多先验形状模型变分水平集建筑物检测

提出了针对城市遥感影像中建筑物目标分割的一种新的方法。该方法在简化Mumford-Shah模型的水平集方法(Chan-Vese模型方法)的基础上,加入建筑物先验形状模型信息,并引入标记函数来动态选择先验形状,最后通过推演新的模型更好地实现了多个建筑物目标的分割。

多先验形状的图割分割方法

为了分割图像中的多个目标,提出多先验形状约束的多目标图割分割方法.首先,使用离散水平集框架的形状距离定义先验形状模型,并将这一模型合并到图割框架的区域项中,同时通过加入多类形状先验扩展形状先验能量.然后,通过自适应调节形状先验项的权重系数,实现自适应控制形状项在能量函数中所占的比重,克服人工选择参数的困难,提高分割效率.最后,为使方法对于形状仿射变换具有不变性,使用尺度不变特征变换和随机抽样一致结合的方法进行对准.实验表明,文中方法能够较好分割图像中的多个目标,且能较好克服图像的噪声污染、目标被遮挡等信息缺失问题.

知识引导几何动态轮廓线算法与MR心脏序列图像鲁棒分割

从MR心脏三维动态序列图像中快速精确分割左心室内边界是心功能计算机辅助诊断的重要步骤。由于心室边界的模糊性,传统的基于灰度或曲线演化的方法很难保证分割结果的鲁棒和精确。在分割模型中整合解剖结构和医生经验的先验知识,对提高分割结果对噪声和模糊边界的鲁棒性,改善计算效率非常重要。本研究提出了一种广义模糊几何动态轮廓线分割算法(GF-GACM),并利用基于水平集的概率形状模型,整合医生手动分割训练集的先验知识。对多套临床数据集的实验结果显示,本研究算法的分割结果和专家手动分割结果比较在临床诊断允许误差范围内。

建筑物检测方法浅析

本文主要是针对高分辨率遥感影像中的建筑物,提出了一种先验形状约束的变分水平集模型,并将其用于遥感图像多建筑物目标的自动提取中。