基于LBF方法的测地线活动轮廓模型

经典的测地线活动轮廓模型分割含有弱边界的目标时,难以得到真实边界.为解决这一问题,文中将结合局部二元拟合(LBF)方法和测地线活动轮廓模型的优点,提出一种基于LBF方法的测地线活动轮廓模型.首先,将LBF方法的能量泛函进行归一化处理,取代测地线活动轮廓模型的边缘停止函数.其次,构建梯度下降流,促使轮廓曲线运动到目标边界上.最后,对5组含有弱边界的图像进行仿真实验.实验结果表明,文中模型能准确分割含有弱边界的目标,具有抗噪性,同时对初始曲线的位置不敏感,优于其它常见改进的测地线活动轮廓模型.

显微图像中可变形物体动态跟踪方法的研究

在体内，正常红细胞具有很强的变形能力，能够挤过直径比它小得多的毛细血管。红细胞变形能力的好坏直接影响血液循环的外周阻力。对在体红细胞运动变形的研究是病理生理学研究和临床应用的需要。本文应用图像序列分析技术，提出了一整套基于轮廓的“显微图像中可变形物体动态跟踪的方法”，并将这一方法应用于红细胞进入毛细血管运动全过程的轮廓跟踪。

复杂交叉口竖向设计方法──区域等高线法

本文在分析了交叉口坚向设计的各种方法以及计算网格划分的各种方法基础之上提出一种适合于计算机辅助设计方法—区域等高线法。该法适用于各种路面结构和各种形式的交叉口设计，可使设计效率、计算精度和制图质量大大提高，具有广泛的实用价值。

对亮度不均匀性图像的活动轮廓线分割

基于区域的活动轮廓模型的基本思想是允许轮廓线形变以获得最小化的区域能量函数,由于通常依赖于每个待分割区域的亮度均匀性,因而不能正确分割亮度不均匀性图像。同时活动轮廓模型传统的基于水平集的数值解法运算速度慢,对初始条件敏感。提出一种基于可伸缩局部区域拟合能量的活动轮廓线模型及其全局凸分割方法,以图像的局部区域内亮度不均匀性相对较弱为依据,以核函数获取图像的局部区域,通过定义局部区域内轮廓线的拟合能量函数和其轮廓线两边的局部灰度近似函数来分割亮度不均匀性图像,使轮廓线的进化不再依赖于图像的亮度均匀性,再使用SplitBregman优化方法来进行模型的数值运算。实验结果表明,该算法既能较好地分割亮度不均匀性图像,又具有比基于水平集的传统算法快速的轮廓线进化速度。

基于局部中值拟合C-V模型的SAR图像分割算法

针对SAR图像特点,提出了一种基于局部中值拟合(LMF)C-V模型的新的SAR图像分割算法LMFCV-SIS.该算法核心是利用像素点及以其为中心的邻域内的像素点的局部中值拟合来构造能量函数,极小化该能量函数,得到轮廓的最终演化结果.一系列对比实验的结果表明,该算法充分利用了SAR图像的特征信息,对真实机载SAR图像进行分割具有分割边界定位准确、收敛速度较快等优势.

快速稳定的局部二元拟合分割算法

基于局部区域信息的局部二元拟合(LBF)模型在处理弱边界或灰度不均匀的图像分割方面有一定优势,但该方法非常依赖于初始轮廓,不当的初始轮廓不仅会导致分割时间较长,甚至分割失败。针对这一不足,提出一种快速稳定的LBF模型。首先通过添加带有变权系数面积项的LBF模型进行初始分类以获取较好的初始轮廓,然后采用传统的LBF模型对图像进行进一步的分割。实验证明,在保证良好分割效果的前提下,该方法对初始轮廓的选择更加灵活,分割速度明显快于传统的LBF模型。

局部熵驱动的GAC模型在生物医学图像分割中的应用

针对测地线活动轮廓(GAC)模型不能对包含噪声和灰度不均匀现象这类复杂背景图像成功提取目标的问题,本文提出局部熵驱动的GAC模型.首先提取图像的局部信息熵来刻画图像的灰度变化,再利用局部熵构造符号压力函数来指导轮廓曲线向目标边界靠近,实现目标的分割.为降低计算复杂度并提高模型对水平集变化的鲁棒性,采用二值水平集方法进行求解.实验结果表明,本文方法可以克服噪声和灰度不均匀对图像分割的影响,实现快速准确的分割.

基于对偶方法和局部统计信息的快速图像分割

CV模型和局部二值拟合模型用于图像分割时往往只能得到局部最优解,且计算量大,分割速度慢。为此,引入一个变量,将其与已知变量组成对偶变量,并利用图像的局部统计信息,建立主动轮廓模型的对偶模型,实现图像的快速分割。针对合成图像、多目标物体图像和灰度不均匀的医学图像进行实验,结果表明,该模型能自动处理拓扑结构的变化,从而快速准确地分割图像。

一种快速的虹膜定位算法

提出一种结合傅里叶描绘子和最小二乘法的虹膜定位算法.在虹膜内圆定位时,先用改进的轮廓跟踪算法检测二值化瞳孔边缘的点序列,再用傅里叶描绘子提取该点序列的整体轮廓,最后用最小二乘法拟合内圆.在虹膜外圆定位时,先利用虹膜左、右部分的灰度梯度信息,提取外边缘点序列,再用最小二乘法拟合外圆.实验结果表明,该算法提高了虹膜定位的速度和精度,有效克服了睫毛、眼睑的遮挡,能满足实时虹膜识别系统的需求.

基于局部熵的边界与区域水平集图像分割模型

基于图像局部熵提出了一种改进的结合边界信息和区域信息的水平集图像分割模型。利用局部熵构造自适应权重系数,使其能够根据图像性质自适应的决定演化方向,准确引导演化曲线向目标方向移动;然后,根据自适应权重系数定义新的边界指示函数,提高了模型检测弱边界能力,加快了曲线的演化速度;引入ChanVese(C-V)模型作为外部能量项,提高了模型的抗噪性,增强了模型分割灰度不均匀图像的能力。通过图像分割实验,验证模型对初始轮廓以及噪声的鲁棒性、分割灰度不均匀图像的能力,并采用客观数值指标,将所提模型与另外三种模型在分割效率和分割准确性方面进行比较。结果表明,提出的模型增强了对噪声的鲁棒性,提高了分割弱边界图像的能力,而且分割灰度不均匀的图像时也取得了比较满意的效果。

修正局部极小值的局部灰度差异分割模型

针对现有局部模型在分割灰度不均匀图像时容易陷入局部极小值,导致演化曲线停留在背景处或目标内部无法继续演化从而造成分割失败的现象,提出本模型。该模型在能量泛函中增加局部灰度差异项,通过最大化演化曲线上所有点的邻域内目标和背景的差异来驱动演化曲线越过图像背景处或目标内部,直到准确地停留在目标边缘。实验结果表明提出的模型可以有效地解决局部模型因陷入局部极小值而导致的误分割问题,同时提高对分割灰度不均匀等复杂图像的准确性,并减小对初始轮廓的敏感性。

局部熵驱动区域主动轮廓的局部化框架

提出一种将任意基于区域主动轮廓线模型进行局部化推广的框架。该框架的能量泛涵包含一个惩罚区域弧长的几何正则项和一个局部区域数据拟合项。根据图像像素空间排列的相关性,采用一个滑动窗函数提取图像局部熵,将图像从灰度空间转化到相应局部熵特征空间。在局部熵特征空间,采用另外的窗函数进行局部区域信息提取,从而推导出区域主动轮廓线模型的局部化框架。以CV模型为例推导局部化过程,并对2种常用的窗函数进行分析比较。实验结果表明,该方法可以成功分割一类包含有杂乱特征的图像。

基于树莓派的塑料纽扣次品检测系统设计

针对传统纽扣产业中人工检测过程效率低、经济成本高等问题,设计了一套基于树莓派的塑料纽扣次品检测系统。该系统结合了树莓派开发板、传感器、工业相机、气动剔除装置等硬件设备与软件检测算法,形成一套完整的检测系统。通过工业电荷耦合器件(CCD)相机与传感器配合实时采集流水线上纽扣的图像信息,并将其传输到树莓派,经过图像滤波去噪后,使用局部自适应阈值法保留污渍等纽扣表面易缺失细节。通过检索纽扣轮廓信息以剔除少孔、存在污渍块的次品。通过评价轮廓圆度剔除破损纽扣,最后依据评价结果由树莓派发出控制信号剔除次品纽扣。经试验验证,该检测系统能够较好地实现纽扣次品在线检测的准确性与高效性,且由于其硬件设备体积较小、成本较低、便于维护与管理,易于安装与推广至生产线环境。

自适应尺度的局部强度聚类图像分割模型

针对传统活动轮廓模型无法精确分割强度不均匀图像,并且对尺度参数比较敏感的问题,提出了一种基于区域信息的自适应尺度的活动轮廓模型。根据图像的局部熵构建自适应尺度算子,利用图像的局部强度聚类性质构建能量函数。使用一组平滑基函数的线性组合来表示偏移场,这样可以增加模型的稳定性。通过最小化该能量,所提模型能够同时分割图像和估计偏移场,并且估计的偏移场可以用于强度不均匀校正。实验结果表明,与其它4种模型相比,该模型拥有更高的分割精确度,且分割结果对水平集函数的初始化和噪声具有鲁棒性。

基于聚类与局部统计的水平集医学图像分割

为增强水平集主动轮廓算法的噪声鲁棒性,考虑医学图像的灰度复杂、拓扑结构多变等情况,发挥水平集主动轮廓模型不依赖于初始轮廓的特性,提出一种基于聚类与局部统计的水平集医学图像分割方法。对传统的K均值与RSF模型进行改进,提高噪声的鲁棒性,能有效地处理真实医学图像的灰度非均匀性。进行CT和MR医学实验验证,实验结果表明,该方法能够比传统方法更有效地应对噪声干扰,提高了医学图像的分割精度和效果。

结合局部熵的无需重新初始化水平集演化

无需重新初始化模型是一个著名的变分水平集模型,在演化过程中无需周期性地重新初始化水平集函数。然而,由于其边缘停止函数是基于梯度的,因此仍然存在一些缺点:对噪声较敏感,弱边缘处易出现边缘泄漏,不能提取不连续边缘等。采用局部熵和灰度变换构造该模型的边缘停止函数。实验结果表明,使用新的边缘停止函数,能够克服上述不足。

结合局部与全局信息的主动轮廓模型

针对基于主动轮廓模型的图像分割,现有算法不能满足其实际应用多样性的问题,结合LBF模型和C-V模型的优点,提出一个新的结合局部与全局信息的LGIF主动轮廓模型,解决了LBF模型容易陷入局部极小值而导致错误分割的问题,也解决了C-V模型演化速度慢的问题。实验证明,新模型能分割C-V模型、CVI模型不能分割的灰度不均匀的图像,也能分割LBF模型不能分割的灰度不均匀的图像,对初始轮廓的大小和位置不敏感,具有较强的抗噪性。新模型演化速度快,耗时短,效率高,稳定性好。

局部熵驱动的主动轮廓线纹理图像分割

该文通过对主动轮廓线技术发展的回顾和从纹理图像分割的实际问题出发,提出一种基于局部熵驱动的主动轮廓线纹理图像分割模型。该模型的能量泛涵包含一个惩罚区域弧长的几何正则项和一个使用纹理模式区分不同区域的数据拟合项,特别是数据拟合项用到了局部熵来提取图像纹理并且采用L1范数作为熵的相似性度量。然后将该能量泛涵嵌入到变分的水平集公式中,通过求解能量最小化问题,得到相应的曲线演化方程。最后,采用Berkeley图像分割库中图像实验验证了该方法的有效性。

基于ROEWA算子局部活动轮廓的SAR图像分割算法

针对经典可变区域拟合(region-scalable fitting,RSF)模型无法分割合成孔径雷达(synthetic aperture radar,SAR)图像的问题,提出了一种基于指数加权均值比(ratio of exponentially weighted averages,ROEWA)算子的改进RSF局部活动轮廓模型。算法首先以SAR图像目标边缘的ROEWA算子的负指数函数为边缘指示函数,对区域可伸缩能量项和弧长项进行加权,消除了原模型中梯度算子对于乘性相干斑满布的SAR图像边缘检测失效的弊端,还防止了目标弱边界的泄漏,避免了边界缺失;其次在零水平集演化的偏微分方程中加入权系数可变的面积项,提升了算法在目标边缘处的自适应捕获能力,同时也提高了算法对目标多层轮廓的检测能力,并且最大化地保留了目标的外轮廓;面积项的可变权系数可根据目标的ROEWA算子的模值来自动调整大小,很好地保持了目标的边缘细节。改进算法不受初始轮廓的影响,对相干斑噪声不敏感,且实验证明算法的计算复杂度仅与图像的尺寸有关。通过对合成与真实的SAR图像数据进行实验,验证了所提方法的直观性和有效性。

基于全局和区域可伸缩拟合局部熵活动轮廓模型的超声图像分割

针对区域可伸缩拟合局部熵(region-scalable fitting based on local entropy,RSF_LE)模型图像分割效率低的问题,本研究提出一种改进的RSF_LE模型。定义带有加权局部灰度拟合项以及辅助的加权全局灰度拟合项的能量泛函,其中加权局部灰度拟合项负责对目标边界附近的轮廓进行诱导,使其靠近目标物边界,加权全局灰度拟合项利用图像的全局信息来引导远离目标的轮廓向目标靠拢,该方法可以克服传统的RSF_LE模型分割算法效率低下的问题,并提高了该方法的鲁棒性。