基于边缘保护扩散的梯度矢量流测地线活动轮廓模型

针对梯度矢量流测地线活动轮廓(gradient vector flow geodesic active contour,GVFGAC)模型对弱图像边缘敏感,轮廓演化难以进入目标细长的凹部,容易陷入局部极小值的问题,提出了一个基于边缘保护扩散的梯度矢量流测地线活动轮廓模型.在新模型中,采用各向异性扩散方式构建一个新的梯度矢量流场,使活动轮廓能够有效地克服弱边缘的干扰,收敛到期望的边缘位置.实验结果表明,与GVFGAC模型相比,新模型能够获得较好的分割结果,综合性能优于GVFGAC模型.

辅以区域力量的梯度矢量流测地线活动轮廓模型

梯度矢量流测地线活动轮廓模型作为对测地线活动轮廓模型的重要改进,不仅扩大了测地线活动轮廓模型的适用范围,而且改进了它的分割效果。但由于该模型中推动活动轮廓演化的外部力量来自于梯度矢量流,因此活动轮廓在演化过程中可能会由于弱边缘等因素的影响而陷于不希望的局部最小值。为尽量减少弱边缘对活动轮廓初始位置的限制及其对轮廓演化的不利影响,提出了一种新的辅以区域力量的梯度矢量流测地线活动轮廓模型,该模型首先将基于区域信息的力场与梯度矢量流力场相耦合,然后由以上两种力量构成的耦合力场,使活动轮廓模型能够有效地克服弱边缘的影响而收敛到所期望的边缘。实验结果表明,辅以区域力量的梯度矢量流测地线活动轮廓模型与梯度矢量流测地线活动轮廓模型相比,不仅可以更灵活地设置初始轮廓的位置,而且对弱边缘的干扰也有较好的适应性,并能有效地避免边缘泄漏。

基于梯度矢量流和主动轮廓模型的海陆边界提取

利用边缘检测与主动轮廓模型组合的方法可提取海陆边界线,但易受轮廓跟踪的缺点的影响.在该方法的基础上,利用边缘检测与梯度矢量流的有向力作用生成初始轮廓线,再使用主动轮廓模型对初始轮廓线进行调整,得到精确的海陆边界.实验证明该方法可简便地生成有效的初始轮廓线并准确提取海陆边界,避免使用轮廓跟踪法.该方法可利用GIS数据辅助以简化提取流程.

基于梯度矢量流主动轮廓模型的等高线提取算法

为了提取彩色地形图上的等高线,首先把RGB颜色空间转换为HSV颜色空间,对彩色地形图进行分色,以获得棕色等高线的二值图像;然后利用数学形态学的方法对二值等高线图像滤波,消除等高线线体内的孔洞.利用梯度矢量流主动轮廓模型在等高线二值图像上直接提取未经细化的等高线,并结合等高线断裂区域的等高线流向场连接断裂的等高线.最后验证了文中算法的有效性.

基于颜色、梯度矢量流活动轮廓及支持向量机实现白细胞的提取和分类

提出了一种基于图像技术实现白细胞分类的方法。首先,利用彩色图像的信息转换、距离变换和梯度矢量流活动轮廓(GVF Snake)等方法从血液细胞图像中提取出白细胞;然后,利用细胞核在图像中具有较高颜色饱和度的特点,结合数学形态学和GVF Snake方法从白细胞中精确地提取出细胞核。最后,根据细胞的形态、颜色及纹理特征用支持向量机(SVM)对白细胞进行分类。实验结果表明:在上述图像分割的基础上,基于支持向量机分类器的方法对白细胞进行分类,分类准确度能够达到89.6%。与其他传统的分割和分类的方法相比,本文提出的方法具有一定的优越性。

基于梯度向量流活动轮廓模型的图像分割研究

为了提高图像分割精度,加快图像分割的速度,设计了基于梯度向量流活动轮廓模型的图像分割算法。首先对当前图像分割的研究现状进行分析,找到引起图像分割误差大的原因,然后小波变换对待分割图像进行处理,抑制噪声对图像分割结果的不利影响,然后采用梯度向量流活动轮廓模型对去噪后图像进行分割操作,拟合图像中不同区域的轮廓曲线演化过程,从而实现不同区域的分割,最后与当前其它的图像分割算法进行了仿真对比实验。结果表明,梯度向量流活动轮廓模型可以对图像进行高精度的分割,而且分割时间大幅度减少,提升了抗噪能力,图像分割整体性能要明显优于其它图像分割算法。

基于动态梯度向量流的活动轮廓模型

针对传统活动轮廓模型不能准确有复杂边界的难题,提出一种基于动态梯度向量流的活动轮廓模型。首先通过边界指示函数对边缘梯度图进行处理,并扩散形成一个动态力场,然后通过边界停止函数控制轮廓曲线演化,避免出现早期收敛现象,使轮廓曲线向凹形边界收敛,最后进行了仿真测试实验。结果表明,相对于与其他模型,本文模型可以准确分割出长凹形边界,提高了对噪声的鲁棒性。

应用梯度矢量流Snake和灰预测的人脸轮廓跟踪

为了提高动态图像序列中人脸轮廓跟踪时梯度矢量流(GVF)Snake算法的实时性,同时解决人脸跟踪中的遮挡问题,提出了GVF Snake和单变量一阶灰色模型GM(1,1)相结合的人脸轮廓提取方法。该方法首先利用人脸运动信息和肤色模型粗略地检测出运动人脸轮廓,然后采用GVF Snake算法将人脸轮廓精确地提取出来,从而有效解决GVF Snake算法的初始化问题。根据人脸轮廓运动的整体性,利用GM(1,1)模型预测人脸轮廓质心的位置,并以预测位置作为GVF Snake的迭代依据,同时将GVF Snake提取的人脸轮廓质心位置作为下一帧图像GM(1,1)模型的预测依据。存在遮挡时,则以GM(1,1)模型预测保持跟踪的连续性。实验结果表明,该算法跟踪的平均时间仅为GVF Snake算法的8.0%,平均跟踪误差仅为GVF Snake算法的31.2%,而且能更好地反映人脸轮廓的运动规律,跟踪实时性强,鲁棒性好。

基于小波变换和梯度矢量流Snake模型的ERS-1 SAR图像的海岸线探测

利用合成孔径雷达来探测海岸线对船舶导航有重要意义。阐述了1种基于二进小波变换的从SAR图像中提取海岸线的方法。该方法首先利用在二进小波变换中边缘和噪声的奇异性随尺度变化具有不同的传播规律来检测边缘点,然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接。实验结果证明,这种方法可以有效地消除SAR图像中存在的斑点噪声对海岸线提取的影响,能准确地提取海岸线信息。

基于HSV颜色模型的广义梯度矢量流图像分割方法

采用广义梯度矢量流(G enera lized grad ien t vector flow,GGVF)作为势能函数的Snake算法在处理灰度图像分割时具有较好的性能。但当处理彩色图像时,GGVF模型往往将彩色图像转化为灰度图像进行处理,此过程造成颜色信息丢失,因而容易受到阴影等伪边界灰度变化的干扰。本文提出了基于HSV颜色模型的GGVF,充分利用了图像的色彩信息进行图像分割。实验结果表明,该方法能够有效地区分彩色图像的真实边界与由阴影产生的伪边界,并取得较好的分割结果。

一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法

提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow,EDGGVF)Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。

基于梯度矢量流snake与多尺度分析的血管内超声图像轮廓提取

提取血管内超声(IVUS)图像的血管内腔轮廓对冠状动脉疾病的诊断有积极意义。本文提出了一种基于梯度矢量流(GVF)snake与多尺度分析的轮廓提取新方法。针对传统GVF snake的轮廓初始化、抑制噪声和伪像干扰两个难点,本文方法在如下两个方面进行了改进:第一,利用序列图像的特性产生时间方差图并得到初始轮廓,从而实现轮廓提取过程的全自动化;第二,引入多尺度分析,使GVF snake在离散小波变换得到的多尺度图中形变,从而增强了算法的鲁棒性。对仿真图像和实际IVUS图像的实验表明,该方法在轮廓提取的精度方面优于传统的GVF snake方法。

基于改进梯度向量流动态轮廓模型的图像检测

针对人造目标图像检测现有算法逐点扫描、计算分形维效率低的缺点,提出了基于分形理论和改进梯度向量流(GVF)动态轮廓(Snake)模型的算法。该算法应用微分计盒快速算法确定Snake初始轮廓,基于改进GVF模型确定目标真实轮廓。实验表明,该算法克服了其他分形算法逐点扫描效率低的缺陷,并较好地从自然背景中提取了目标图像的轮廓。

基于平均曲率流活动轮廓模型的超声医学图像边缘提取

目的改进外部力场以提高梯度矢量流(gradient vector flow,GVF)活动轮廓模型在超声斑点噪声环境下的边缘提取的稳定性和准确性。方法用角点判断函数和梯度控制函数调节平均曲率流(mean curvature vector flow,MCVF)扩散和各向异性扩散程度,生成新的外部力场,引导活动轮廓模型实现边缘提取。结果通过二值加噪图像和心脏超声图像的实验,验证了该方法的捕捉范围和处理噪声方面优于GVF。结论本文提出的边缘提取结果在超声医学图像方面鲁棒性强、初始化范围大、弱化噪声,同时能够保留边界以及尖角点,是适用于超声医学图像边缘提取的方法。

一种新的结合图像梯度的局部活动轮廓模型

基于区域的局部二值拟合模型只考虑图像灰度的平均值统计信息,然而由于图像中的噪声改变了图像的灰度分布,该类方法对于包含大量噪声的图像往往很难获得理想的效果。为了提高模型对于噪声的鲁棒性,提出了一种结合图像统计信息和梯度信息的局部活动轮廓模型。该模型在图像灰度的统计信息的基础上,加入图像梯度信息,分别构造以高斯函数为核函数的局部二值灰度拟合能量和局部二值梯度拟合能量,得到最终的能量泛函,并通过最小化该能量函数,驱使活动轮廓向目标边缘演化。实验结果表明,基于图像灰度和梯度的局部活动轮廓模型能够有效克服图像中弱边缘以及强噪声对于分割结果的影响,其分割精度高于同类方法。

引入光流法的活动轮廓模型

本文在活动轮廓模型的基础上,引入了“图象统计势能”和光流法,提出了一种新的图象分割方法。该方法改进了活动轮廓模型的一些不足,能准确地检测出物体轮廓边界,且分割结果对初始位置不敏感,同时提高了对运动速度较快的物体轮廓检测的正确性。实验结果证实了该方法的有效性。

基于梯度矢量流的柔顺机构拓扑图轮廓提取方法

提出一种基于梯度矢量流模型的柔顺机构拓扑图的轮廓提取方法。该方法首先通过密度再分配求出单元节点密度,然后,利用差分方法计算出单元节点密度的梯度,之后,相继求出节点的外能、传统外力和梯度矢量流。在模型演化过程中,利用双线性插值算法求出任意点的GVF,同时,针对拓扑图的孔所处的不同位置,给出了不同的初始模型及相应的模型演化方法,实现了柔顺机构拓扑图轮廓的自动提取。最后,数值算例表明了文中算法的可行性。

基于梯度矢量流Snake模型与图割的目标边界提取

针对梯度矢量流Snake模型因力场迭代次数过大造成运行时间长的不足,结合梯度矢量流Snake模型和图割理论提出了一种新的目标边界提取方法。该方法利用图割理论先对初始轮廓进行迭代寻优,使获得的轮廓线处在目标边界的"有效逼近域"内,然后将得到的轮廓线作为Snake的初始轮廓,最后利用梯度矢量流Snake模型准确提取目标边界。实验结果表明,该方法能够快速、准确地逼近到目标边界,并具有较强的抗噪性。

基于改进活动轮廓模型的矢量边界更新方法

针对GIS中地物矢量边界更新繁琐和低效的问题,提出了一种基于活动轮廓模型的矢量边界自动更新方法。以现有的GIS矢量边界为初始位置,以遥感影像信息作为轮廓形状演化的驱动力,融合遥感影像与GIS数据信息,在二者交互作用下实现GIS矢量边界更新。针对活动轮廓模型演化过程中缺乏移动范围约束的缺陷,可利用历史遥感影像目标边界点进行采样,估计目标大体轮廓形状,对活动轮廓模型的移动进行约束。实验表明,该方法可得到更好的矢量边界更新效果。

基于动态方向梯度矢量流蛇模型的图像分割

提出了一种改进的基于动态方向梯度矢量流蛇模型的MR脑肿瘤图像分割新方法,实验结果表明该方法能够有效地分割提取出脑肿瘤图像。为了对MR脑肿瘤图像形状特征进行描述,提出了一种改进的基于Zernike矩的快速算法,为进一步诊断病情提供了有效的帮助。