用于图像分割的活动轮廓模型综述

图像分割和边界提取对于图像理解、图像分析、模式识别、计算机视觉等具有非常重要的意义,而活动轮廓模型(Active Contour Model)则是图像分割和边界提取的重要工具之一,它主要包括参数活动轮廓模型和几何活动轮廓模型两类。相对于参数活动轮廓模型,几何活动轮廓模型具有很多的优点,如计算的简单性和在变形的过程中能够处理曲线的拓扑变化,等等。近年来,几何活动轮廓模型在理论和应用方面的研究都有很大的发展,令人关注。为了使人们对这一技术有一概略了解,首先提出了一种新的分类方式用来描述参数活动轮廓模型、几何活动轮廓模型以及它们之间的联系,然后通过重点分析几个经典的活动轮廓模型及其算法实现来综述活动轮廓模型的研究、发展及其应用情况,最后指出了进一步进行活动轮廓模型理论与应用研究的方向。

基于改进的活动轮廓模型在图像分割中的应用

活动轮廓模型在图像分割过程中有广泛应用。本文首先介绍了活动轮廓模型, 并指出了该模型的缺陷, 在此基础上本文提出了一种改进的方法, 与现在流行的改进方法不同之处为它是基于算法来改进的。它用遗传算法来优化初始轮廓, 取得了较好的分割效果。

基于曲率和活动轮廓模型的重叠细胞分割算法

提出了一种基于曲率和活动轮廓模型的重叠细胞分割算法,用于解决重叠细胞显微图像边界难以自动分离的问题.该算法使用Otsu算法和形态学滤波得到重叠细胞整体轮廓,并根据其曲率信息来定位细胞边界接触点,再采用活动轮廓模型分割得到重叠区域轮廓,最后结合边界接触点信息将其与整体轮廓拼接得到单个细胞轮廓.实验结果表明,算法实现了重叠细胞的分割,分割得到的细胞完整度高,且算法具有一定的鲁棒性,表明该算法用于重叠细胞的分割是可行、有效的.

融合区域和测地线的活动轮廓模型与图割相结合的自然图像分割

针对活动轮廓模型利用水平集函数演化来分割图像时,只能分割灰度均匀的图像问题以及容易陷入能量泛函局部极小值的缺点,提出一种新的图像分割模型。模型将区域中的局部和全局信息融合的活动轮廓模型与边界模型相结合,然后利用图切割进行优化。实验表明,该方法对初始曲线不敏感,能分割灰度不均的自然图像,避免陷入局部极小,并能有效提高图像分割的速度和精度。

多相活动轮廓模型在卫星云图分割中的应用研究

应用基于水平集的多相活动轮廓模型对云图进行多类别分割,云图被自动分割成几个区域,不同区域就对应着不同的云顶高度,区域分割结果可以使对一幅云图中不同高度云的分布以及哪种类型的云占主体有总体的认识和了解,从而对天气系统的分析具有一定的辅助参考作用。

基于改进活动轮廓模型和视觉特性的图像分割方法

提出一种基于改进活动轮廓模型和视觉显著性分析的图像分割方法。与传统的水平集模型不同,改进的活动轮廓模型不需要进行初始化和计算符号距离函数,从而有效地提高曲线演化效率。在此基础上,提出了基于标记的多相水平集分割方法,有效地解决了复杂图像存在的灰度不均性问题。另外,为避免初始轮廓位置对分割结果的影响,采用视觉显著图获取水平集初始轮廓位置,通过对该显著图进行OSTU分割提取初始轮廓。通过实验分析,提出的方法在分割结果、速度和复杂度上较之传统的CV模型都有明显的改进。

基于活动轮廓模型的B超乳腺肿瘤图像分割

乳腺良、恶性肿瘤在形态上存在较大差异,其形态学变化可以作为临床医生判断的重要依据。目前临床广泛使用的超声成像系统采用的是基于阈值的分割方法或医生手动的分割方法,这对大多数灰度差异不显著的B超图像分割效果不好。本文采用基于形变模型的图像分割算法来分割肿瘤区域,并对自动snake算法做了一些改进,实验结果表明该算法适用性好,分割结果接近自然边界,且对B超图像固有的斑点噪声不是很敏感,较好实现了乳腺肿瘤区域的交互式半自动提取。

一种用于侧脑室分割的两步活动轮廓模型算法

基于活动轮廓模型的分割广泛应用于医学图像,提出了一种两步活动轮廓模型算法用于核磁共振脑部图像中侧脑室的分割。首先用传统活动轮廓模型求解,然后采用遗传算法进行优化,得到了较好的结果,解决了一般活动轮廓模型对侧脑室的尖锐角点处分割效果不理想的问题。

基于AOS算法的彩色图像测地活动轮廓模型的改进与实现

测地活动轮廓模型作为一种图像分割方法,具有许多优点,但其数值实现较为复杂.本文首先讨论了测地活动轮廓模型及其AOS算法,其次将该算法应用于彩色图像的轮廓提取,并提出了一个改进的边界检测方法,最后给出了AOS算法的一个具体实现.实验结果表明,改进的边界检测方法与已有的方法相比,在效率上和效果上有较大提高,而结合AOS算法后,在算法效率上又有了进一步的提升.

基于模糊速度函数的活动轮廓模型的肺结节分割

肺结节是肺癌在早期阶段的表现形式.利用计算机辅助诊断(Computer-aided diagnosis,CAD)技术对血管粘连型肺结节和磨玻璃型肺结节进行检测,需要对这两类肺结节进行准确的分割.目前基于传统活动轮廓模型的肺结节分割算法,存在边界泄露现象.对此,本文提出一种基于模糊速度函数的活动轮廓模型的肺结节分割算法.首先,采用结合灰度特征和局部形态特征的模糊聚类算法,计算模糊速度函数中的模糊隶属度;其次,将模糊速度函数引入到活动轮廓模型中,在肺结节的边界处,该速度函数为零,轮廓曲线停止演变,从而完成肺结节的分割.实验结果表明,本文提出的算法可以精确地分割血管粘连肺结节和磨玻璃型肺结节.

基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取

血管内超声(IVUS)图像冠状动脉血管壁的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。本研究提出了一种用于自动提取IVUS序列图像冠状动脉血管壁内、外膜边缘的方法。该方法基于活动轮廓模型以及本研究所定义的边缘对比度特征量,利用Hopfield神经网络并结合模拟退火算法自动提取IVUS序列图像冠状动脉血管壁的内、外膜边缘。实验结果表明,本研究方法易于实现,而且准确性和可靠性较高,对IVUS序列图像处理的可重复性和鲁棒性较好,是一种较好的全局最优化算法。

基于变宽邻域图割和活动轮廓的目标分割方法

基于图割的活动轮廓算法是一个结合图割优化工具和活动轮廓模型迭代变形思想的目标分割算法。针对算法在迭代过程中对已达目标边界的活动轮廓线所在邻域重复切割的不足,将活动轮廓线分为已达目标曲线段和未达目标曲线段,仅对未达目标曲线段进行膨胀得到可变宽度轮廓线邻域,从而减少对邻域的切割时间。实验表明,改进算法效率提高为原来的2~3倍。

形状统计Mumford-Shah模型的MR图像左心室外轮廓分割

左心室的分割是左心室运动重建的前提,分割的精度直接影响重建的真实性.由于左心室外轮廓存在弱边界,甚至边界的断裂,使得精确分割左心室外轮廓变得相当困难.文章在详细分析左心室外轮廓的基础上,采用了形状统计Mumford-Shah模型的分割方法,同时对原模型做了如下两点改造:(1)用期望最大(EM)算法求得图像中每点属于心肌的后验概率,通过此后验概率构造“伪灰度”图像来替代原灰度图像,以达到目标与背景灰度呈阶跃型分布的目的;(2)用边缘图替代Mumfor-Shah模型中的梯度项,以增强弱边缘,提高分割精度.实验结果证明,此方法可以有效地改进分割精度,适合整个心动周期.

结合蚁群算法的Snake模型的医学图像分割方法

图像分割是医学图像处理中一个困难而又极其重要的课题。本文提出一种新的结合Snake模型和蚁群算法的图像分割算法。Snake模型是一种将目标的轮廓模型与图像特征相匹配的分割方法,而蚁群算法可以帮助人们理解生物系统的原理以及在机器人技术、计算机图形学等领域已经得到广泛应用。本文在结合已有Snake模型和蚁群算法优点的基础上,提出了新的图像蚁群分割模型。实验结果表明,本文提出的分割方法能够比较好的保留图像的细节信息,并具有一定的抗噪声能力。

一种基于Hellinger距离的活动轮廓图像分割方法

图像分割作为许多计算机视觉应用的基础,近十年来一直是计算机视觉学者们研究的焦点。提出一种基于CV活动轮廓模型的图像分割方法,采用Hellinger距离度量区域内的每个像素点与区域的差异度,取代CV活动轮廓中的方差度量,并结合测地活动轮廓(GAC)的思想,改进了CV模型目标函数中区域边界长度的度量。然后将目标函数映射到网络流图中,采用图切割方法对目标函数进行优化。实验证明所提出的方法具有较好的分割效果,相对于CV活动轮廓法有了较大的提升。

一种新的轮廓-局部区域分割模型及对偶算法

基于区域的变分活动轮廓模型能够较好地处理图像模糊边界并且不易受初始轮廓线和噪声的影响。然而,传统区域模型通常以粗划分区域内的图像信息作为活动轮廓曲线演化的驱动力,分割精度有限,并且容易受到图像灰度不均匀性的影响。为此,提出了一种新的轮廓-局部区域分割模型。新模型通过提取活动轮廓曲线邻域内的局部统计信息作为推动曲线演化的区域项,并引入曲率拟合项来捕捉目标的拐点和细长结构。针对模型求解中正则项的非可微性使计算效率较低并具有数值不稳定性的问题,通过引入辅助变量将原最优化问题转化为若干个低复杂度子问题进行求解,提出了一种快速对偶算法。医学核磁共振图像分割实验表明,所提出的模型和算法的准确性和运行效率均有明显的提高。

深度图辅助的主动轮廓分割算法

针对由前后背景相似而导致从图像中很难分割出精确图像的问题,以主动轮廓分割方法为基础,结合深度图为辅助,提出了一种新的深度图辅助的基于区域的主动轮廓图像分割方法。首先,使用滤波算法对深度图进行修补,得到较为完善的深度图;然后使用混合高斯模型计算得到彩色图和深度图的置信图;最后使用置信图,计算给定区域中颜色与深度的权重,从而指导分割过程。提出的算法能够正确使用彩色信息和深度信息来指导分割,更准确地实现前后背景的分离。实验结果表明,该方法得到的分割结果较为接近真实情况,提高了图像分割的准确率。

MRI分割的几何活动轮廓模型的半隐式AOS迭代方法

几何活动轮廓模型以其计算稳定等优点,被广泛用于图像分割。给出一种基于AOS(additiveoperatorsplitting)算法的快速活动轮廓模型,将AOS方法与几何活动轮廓模型相结合构造一种半隐式迭代模型,它对迭代步长没有限制,从而可以选择较大的迭代步长,提高了模型的时间效率,并使用区域信息构造系数矩阵,使模型具有全局性。对MR(magneticresonance)图像分割的实验表明,该模型可以得到较好的分割结果,同时时间效率也有大幅提高,方便了实时应用。

基于几何活动轮廓模型初始轮廓自动分割方法的研究

提出一种几何活动轮廓模型初始轮廓自动分割的方法。此方法综合利用了分水岭算法以及几何活动轮廓模型算法,通过利用人脸的肤色特征、结构特征等逐级判别原理,从而实现了自动分割的目的。实验结果表明,采用此方法很好地实现了目标对象轮廓的自动分割,基本可达到与人工干预相近的效果。此方法同样可以广泛应用于人脸检测、图像自动分割、视频监控系统等领域。

基于EM算法和小波多尺度边缘检测的活动轮廓模型初始化

本文研究了活动轮廓模型初始化的问题.利用EM算法和小波多尺度边缘检测的方法,获得了活动轮廓模型的外部能量函数和初始曲线,并对于具体的X射线图像给出了实验结果和该算法的有效性.