基于SIFT特征和图割算法的图像分割方法研究

图割算法是图像分割方法中的一种高效的最优化计算方法,针对图像中目标物体的旋转尺度光照变化导致的分割不准确问题,提出了一种基于SIFT(Scale-Invariant Feature Transform)特征的图割(Graph Cuts)算法;该方法将SIFT特征的尺度旋转不变性和图割算法的准确快速性结合在一起,通过提取图像中物体SIFT特征点做为图割算法的种子点,求解最小能量函数快速从而获得该图像的最优分割;实验结果表明,该方法鲁棒性较好,能准确地分割出目标物体在图像中的轮廓。

结合区域生长与图割算法的冠状动脉CT血管造影图像三维分割

针对图割算法适用于小幅图像,且在分割结构较复杂、感兴趣区域较小的三维CT血管造影(CTA)冠状动脉图像时效率较低的问题,实现了将区域生长和图割结合分割冠状动脉的算法。首先,利用基于阈值的区域生长算法将图像划分为若干区域,去除无关像素,得到结构简化、感兴趣区域较突出的图像;其次,对简化后的图像,结合灰度和空间信息构造网络图;最后,利用图割理论实现网络图分割,得到冠状动脉分割图像。实验结果表明,与传统的图割方法相比:在分割效率上,区域生长和图割结合的分割算法降低了计算复杂度,效率提高了51.7%;在绘制质量上,得到的冠状动脉分割图像目标区域完整,有助于医师对病变的正确分析。

基于超像素和改进迭代图割算法的图像分割

基于经典的图割(Graph cut)理论,提出一种基于超像素和改进Graph cut算法的图像分割算法。采用改进简单线性迭代聚类算法,得到前景边缘信息保存较完整的超像素图像。以超像素为处理单元,通过融合颜色、梯度等信息重建能量函数,并基于Graph cut框架进行分割。仿真结果显示,与Grabcut算法相比,改进算法不仅具有更高的分割精度,提取的目标边缘较完整、光滑,而且大幅提升了分割效率。

基于图割算法的宫颈细胞分层次分割

宫颈细胞分割在宫颈细胞形态学研究中是十分重要且具有挑战性的环节。提出一种基于图割的分层次高效分割宫颈细胞方法。对获取宫颈细胞图像进行灰度变化处理求得灰度直方图,根据直方图结合OTSU求解最佳分割阈值,根据最佳分割阈值对图像进行初次分割去除背景,得到单个细胞目标;而对粘连、重叠、较为复杂的细胞图像再利用图割算法进行二次分割获取单个目标细胞。实验结果表明,该算法不仅有较好的分割效果而且效率也很高。

基于图割算法的倾斜影像纹理映射优化方法

针对基于倾斜摄影影像重建三维城市模型纹理映射过程中出现的遮挡和纹理碎片化问题,本文提出一种利用摄影光线与模型相交判断遮挡,然后利用图割算法优化纹理的方法。首先,连接摄影中心与三角形面片各顶点,判断连接线段与其他三角形面片的相交情况,从而确定是否遮挡,以选取当前三角形面片对应的未被遮挡影像。然后,根据对应关系,构建能量函数,通过图割算法最小化能量函数以确定最优纹理,使相邻三角形面片对应影像的选择趋于一致,从而解决纹理碎片化问题。通过实验证明,本文方法在大规模三维模型的纹理映射中,能够有效解决映射的遮挡重影现象,并能够极大地避免纹理碎片化问题。

基于改进图割算法的脑部MRI分割技术研究

我国在近年来的医疗技术以及临床医学取得了显著的成就,而图像分割算法在心理疾病治疗等方面的应用频率也逐渐增大。本文首先主要对MRI图像的分割方法进行简要的介绍,然后对传统的图割算法在脑补MRI分割技术应用中存在的问题做出分析,最后主要针对传统的图割算法的不足之处提出改进意见与方法,望能够为相关医学工作人员提供参考。

基于图像分割的立体匹配算法

基于马尔可夫随机场(MRF)的立体匹配算法利用MRF模型来对匹配取值进行连续性约束。然而,MRF模型是产生式模型,图像自身特征难以得到准确描述。提出了一种基于图像分割的立体匹配算法SGC。SGC算法预先对图像进行分割,基于图像分割信息建立立体匹配的MRF模型,从而连续性(平滑)约束可以保留视差图中分割的边缘信息;并针对图像的深度连续性约束,定义了一个反映图像自身特征的新能量函数,应用于图割算法,提高了视差计算精度。实验结果表明,与以往算法相比,SGC算法更准确地反映了图像中深度信息,避免了平滑约束所引入的误差,有效提高了视差计算精度。

一种用于三维重建的多视图前景目标自动分割算法

基于序列图像的三维物体重建之前,从图像中分割前景目标可节约大量时间。但传统的分割算法需要通过用户输入来确定前、后景,而基于图像的三维重建需要大量的图像,造成极大的人工浪费。为此提出一种用于三维重建的多视图前景目标自动分割算法。对每个图像进行颜色一致性和几何一致性分析,确定前景和后景大致区域,得到初始输入,并以此构建能量方程。使用Graph Cut算法求解方程得到粗略分割结果;使用Matting细化分割边界,得到高质量的分割结果;使用分割后图片重建出物体三维模型。实验结果表明,该算法可自动分割出多视图图像的前景目标,且具有极高的准确率和良好的边缘。将该算法用于三维重建的前期图像处理,可大大提高三维重建的速度。

融合深度和颜色信息的图像物体分割算法

讨论立体图对的图像分割问题,提出一种基于深度和颜色信息的图像物体分割算法.该算法首先利用基于聚类的Mean-shift分割算法对目标图像进行适度的过分割,同时借助双目立体视觉算法获取立体图对的稠密深度图,并依据深度不连续性从过分割结果中选取用于继续进行"精致"分割的种子点集,接着对未分配种子标签的区域用图割算法分配标签,并对彼此之间没有深度不连续边界但具有不同标签的相邻区域进行融合.相比于传统图像分割算法,该算法可有效克服过分割和欠分割问题,获取具有一定语义的图像分割结果.相关的对比实验结果验证了该算法的有效性.

基于图割的单水平集迭代终止算法

针对C-V模型中变分水平集优化方法存在的最佳迭代次数难于确定,且容易陷入局部最优等不足,借鉴图割算法在较短时间内能得到全局最优的优势,提出一种基于图割的单水平集迭代终止算法。首先在目标区域设定一条初始轮廓线,采用无须重新初始化的C-V模型对轮廓线进行迭代,当轮廓线内部面积变化值小于预先给定的阈值时终止迭代,然后将此轮廓线作为图割算法的初始轮廓线进行图像分割。实验结果表明,该方法较原始C-V模型大大缩短了迭代时间,稳健性更高,具有较好的图像分割效果。

基于核图割算法的冠脉光学相干断层图像斑块区域分割

冠脉光学相干断层成像(OCT)图像斑块区域分割是冠脉斑块识别的前提和基础,对后续斑块特征分析及易损斑块识别,进而实现冠脉疾病的辅助诊断分析具有十分重要的意义。本文提出了一种新的算法,使用K-means算法与图割算法结合,实现了冠脉OCT图像斑块准确的多区域分割——纤维化斑块、钙化斑块和脂质池,并较好地保留了斑块的边界特征信息。本文实验中对20组具有典型斑块特征的冠脉OCT图像进行了分割,通过与医生手动分割结果比较,证明本文方法能准确地分割出斑块区域,且算法具有较好的稳定性。研究结果证明了本文工作能够极大减少医生分割斑块所消耗的时间,避免不同医生之间的主观差异性,或可辅助临床医生对冠心病的诊断与治疗。

基于模板的图割立体匹配算法

近年来,基于图像或视频的三维重建技术的研究和应用越来越受到人们的关注,尤其是基于图像的三维重建技术。立体匹配技术是三维重建中的关键环节。提出了一种全局立体匹配算法——基于模板的图割立体匹配算法(TGC),该算法包括三个步骤:参考图像的分割、视差平面估计、使用图割方法为视差平面分配标签。选取Middlebury测试集,将文中的算法与立体匹配领域中的经典算法在PBM值和运行效率上进行了对比和分析,取得了较好的效果。

基于改进蝙蝠算法的甲状腺SPECT-B超图像配准

为了提高甲状腺肿瘤检出的准确率,提出基于改进蝙蝠算法的甲状腺SPECT(single-photo emission computed tomogropby)-B超图像配准方法.针对甲状腺SPECT图像与B超图像灰度差异大,采用2类图像共有的甲状腺及肿瘤轮廓特征进行配准.采用阈值分割法提取SPECT图像中甲状腺及肿瘤轮廓;采用Shearlet变换与基于活动轮廓模型图割算法相结合的方法提取B超图像中甲状腺及肿瘤轮廓;以归一化互信息为相似性测度,以改进的蝙蝠算法为优化算法,优化配准所需的空间变换参数.实验结果表明,提取的B超图像中甲状腺及肿瘤轮廓更准确,改进的蝙蝠算法使配准具有更高的准确性和较好的鲁棒性.

图像区域分割中的无监督图割方法

提出一种基于图割算法的图像多区域分割方法,该方法采用核函数对数据项进行隐性的非线性映射,将原始数据映射到高维特征空间,实现图像的线性多类划分,扩展了分段常数模型的应用范围,提高了复杂区域的分割效果。由于图像边缘梯度变化剧烈,具有不连续性,在平滑项中加入图像的梯度约束条件,减少过分割。同时,采用无监督方法设置初始参数,避免了交互操作,更符合多区域分割的要求。实验结果表明,新方法不受图像内容的限制,无论是主观视觉判断还是客观定量分析,该方法都具有较好的分割效果。

基于线段和消隐点的建筑墙面自动分割算法

建筑物的墙面分割是基于图像建模、路标识别、导航及场景理解等室外城市环境应用系统中的基础内容,目前基于多幅图像重建的墙面分割方法或基于重复结构假设的先验知识的分割方法具有计算量大和通用性差等特点。为了能够简捷、快速、准确地得到墙面分割结果,提出一种针对建筑物的墙面自动分割算法,用于将二维图像中的建筑物分割为分离的墙面集合,可满足路标识别、导航、场景理解的实时性需求。该算法利用从图像中提取的线段和消隐点信息,将高维的建筑墙面分割问题转化为一维分割问题。实验结果表明,该方法具有精确度高、鲁棒性好、效率高等优点。

融合LiDAR点云与正射影像的建筑物图割优化提取方法

提出一种基于图割算法的建筑物LiDAR点云与正射影像融合提取方法。首先,利用LiDAR点云计算3个几何特征:平整度、法向量分布和高程纹理一致性。同时利用航空正射影像计算颜色特征——归一化植被指数(NDVI)。然后将两类特征联合构建能量函数数据项,综合数字表面模型(DSM)和NDVI构建平滑项,采用图割算法优化得到初始的建筑物区域。最后利用初始建筑物边缘一定范围内的正射影像颜色信息,采用前后景分割的思想进一步优化建筑物边缘。应用ISPRS Vaihingen测试数据进行试验,结果表明本文方法具有较高的建筑物提取精度。

基于交互式图像分割的立体匹配方法

立体匹配技术是三维重建系统以及非接触测量的关键步骤,在计算机视觉领域应用广泛。传统基于全局最优的立体匹配方法计算量大,算法框架复杂,通过引入图像分割等手段可以有效降低立体匹配的运算量。为了克服传统基于分割的立体匹配方法没有充分利用分割信息的缺点,提出了一种融合交互式图像分割的立体匹配方法。该方法通过引入用户交互,设置种子点并用快速图割算法完成感兴趣区域的分割提取,由分割模板建立网络图,进行立体匹配。由于仅针对分割区域构建网络图,充分利用网络图信息降低了运算量,因此,和现有的对整幅图像进行立体匹配方法相比,具有匹配准确、运算量小等优点,并通过实验进行了验证。

融合时空多特征表示的无监督视频分割算法

针对视频分割的难点在于分割目标的无规则运动、快速变换的背景、目标外观的任意变化与形变等,提出了一种基于时空多特征表示的无监督视频分割算法,通过融合像素级、超像素级以及显著性三类特征设计由细粒度到粗粒度的稳健特征表示。首先,采用超像素分割对视频序列进行处理以提高运算效率,并设计图割算法进行快速求解;其次,利用光流法对相邻帧信息进行匹配,并通过K-D树算法实现最近邻搜索以引入各超像素的非局部时空颜色特征,从而增强分割的鲁棒性;然后,对采用超像素计算得到的分割结果,设计混合高斯模型进行完善;最后,引入图像的显著性特征,协同超像素分割与混合高斯模型的分割结果,设计投票获得更加准确的视频分割结果。实验结果表明,所提算法是一种稳健且有效的分割算法,其结果优于当前大部分无监督视频分割算法及部分半监督视频分割算法。

基于图割方法的航空影像接缝线查找

针对拼接形成的数字正射影像(DOM)中出现接缝线经过建筑物或者高度变化大的区域,导致建筑物或者高度变化大的区域出现错位。提出一种基于图割方法的航空影像接缝线多边形自动生成方法,可避免拼接影像中出现建筑物和独立地物产生错位。此方法首先将DSM在保留原始地形的基础上,将建筑物或者高度变化大的区域过滤掉,然后利用图割算法自动生成航空影像接缝线多边形。此方法使得自动生成的接缝线多边形避免穿越图像重叠区域中差异较大的区域,确保镶嵌图像中地物的完整性,从而保证镶嵌处理的质量,并且能够快速、自动地进行DOM产品的生产,对"智慧地球"建设具有重要意义。

隐含先验约束MRF模型的目标形状分割方法

在形状变化、被遮挡、噪声情况下,存在难以完整分割目标形状的问题。提出一种采用隐含形状约束马尔可夫随机场模型的轮廓分割方法。引入目标的先验形状知识,用水平集符号距离函数隐含表示目标的先验形状模型,以先验形状模型作为约束构造出MRF能量函数;采用graph cut法求解能量函数极小值,利用形状对准和最大流法演化初始轮廓,快速准确地分割出目标的形状。实验结果表明,新方法能有效快速分割带遮挡、噪声以及发生形状变化的目标,增强了形状分割的鲁棒性。