基于模糊聚类和改进C-V模型的冠状动脉图像分割方法

目的提出一种基于模糊聚类和改进C-V模型的新型图像分割方法,以精准和快速地提取冠状动脉CT血管造影图像中的冠脉轮廓。方法首先对原始冠脉CT造影图像进行预处理;然后利用模糊C均值聚类算法进行预分割,将获得的隶属矩阵和聚类信息耦合进改进的C-V模型中,完成对冠脉图像的分割;最后定性和定量分析本文模型与其他两种传统模型对冠脉CT造影图像的分割结果。结果定性分析结果显示,本文模型以较少的迭代次数完成了对冠脉轮廓的提取,对细小复杂的组织具有较强的分割能力,目标边缘光滑。定量分析结果显示,本文模型迭代200次耗时11.722 s、重叠率83.42%,迭代400次耗时16.493 s、重叠率85.13%。结论结合模糊聚类的改进C-V模型能以较少迭代次数完成对冠脉轮廓的提取,具有分割速度快、抗噪能力强、目标边缘光滑等特点。该方法可以用于冠脉的分割,并为后续冠脉图像的三维重建研究提供参考。

木材缺陷识别新方法——改进C-V模型与小波变换

分析了木材缺陷、单板节子的特点,提出了一种基于改进的C-V模型、小波变换及背景填充技术的缺陷识别算法。采用symlet5小波,对原图像进行一级二维离散小波变换,分别得到低频分量和高频细节,对低频分量用背景填充技术进行处理得到新的低频图像,分别使用改进的C-V模型对各子图像识别,利用二维离散小波重构图像,进行Gauss滤波,得到分割结果。

桥梁下部结构裂缝提取的改进C-V模型算法(英文)

应用改进C-V模型,进行桥梁下部结构裂缝图像分割,通过裂缝截取、图像填充和旋转变换精确提取裂缝宽度。对不同光照条件下拍摄的在役混凝土桥梁结构裂缝图像,分别利用改进C-V模型算法、自适应阈值法、形态学算法、C-V模型以及Canny算法进行试验对比。分析结果表明:改进C-V模型算法误分率和运算时间最小,分别为3.02%与89ms;1 000幅桥梁结构裂缝图像试验对比显示裂缝检测准确率大于90.8%,裂缝宽度平均误差小于0.03mm。可见,改进算法可有效提高检测准确率,减少运算时间。

基于改进C-V模型的棉花叶片目标提取方法

为解决自然条件下棉花叶片因其轮廓几何边缘长势不均匀所导致的叶片目标提取不精准问题,提出一种基于改进C-V模型的棉花病害叶部目标提取方法。在传统C-V模型的基础上,将长度惩罚项和符号距离函数的约束能量项引入能量模型中,以达到对演化曲线长度变化的约束目的,从而完成对整幅图像目标特征的提取。本研究算法先对待分割的图像设置初始曲线,并利用高斯滤波算子对待分割图像进行平滑滤波处理,然后根据图像全局灰度信息和局部二值匹配信息建立能量方程,根据其离散化形式,对水平集函数进行演化,并从中提取演化曲线,最后根据水平集函数演化过程所满足的终止条件,输出图像分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:本研究算法对于晴天、阴天和雨天图像中目标(棉花叶片)轮廓提取准确率分别达到82.23%、82.73%和84.60%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像目标特征轮廓实现准确提取。

木材彩色图像缺陷分割——基于Gabor滤波的改进C-V彩色模型

分析了木材节子缺陷、单板节子的特点,提出了一种基于多通道Gabor滤波的改进C-V彩色模型的木材缺陷识别算法。该算法将彩色图像作为一个整体的图像,保留了图像的彩色信息。该算法利用多通道Gabor滤波器、K-均值聚类算法得到缺陷目标与背景的彩色区分图像;利用改进的彩色C-V模型对新图像进行边缘提取,得到理想的实验结果。与采用基于改进C-V模型与小波变换的灰度图像缺陷识别算法相对比,结果表明该方法可快速、准确地实现对木材节子缺陷彩色图像及单板多节子彩色图像的分割。

基于改进的C-V模型的东北松子外部品质等级检测研究

提出了东北松子外部品质的无损等级划分方法。利用CCD相机获取松子图像,采用改进的C-V模型实现松子轮廓特征的提取;利用数学形态学的方法,提取松子的果长、横径特征参数,并与实际测量值间构建数学模型;根据提取出的特征参数,建立松子外部品质综合等级评定标准。实验结果表明,采用本文方法能够实现同时对多个东北松子外部品质的等级划分,且划分的平均准确率为97.2%。

3种不同模型对木材表面缺陷图像分割算法的比较

木材表面缺陷会严重影响木材的质量和使用价值,因此对木材表面缺陷图像分割的研究有利于提高木材的利用率。本文分别对红皮云杉含有虫眼、活节、死节3种典型木材缺陷的图像采用改进的C-V模型、改进的GVF Snake模型和改进的GAC模型进行分割试验,对3种改进算法的复杂程度、分割时间、分割结果的完整性以及抗噪性进行对比和分析。结果表明,改进的GAC模型算法较为优越,其分割算法简单,运行时间短,缺陷分割效果较好,抗噪性强。而改进的C-V模型算法、改进的GVF Snake模型算法的分割效果和抗噪性最差,不宜作为3种木材表面缺陷图像的分割算法。

基于改进的C-V模型煤岩细观裂隙图像处理及其应用

为了准确全面地获取煤岩细观图像裂隙信息,引进基于偏微分方程的图像处理技术,阐述无边缘活动轮廓模型(C-V模型)的原理,并针对C-V模型的不足,提出一种基于图像增强函数的改进C-V模型。采用改进的C-V模型分别对包含单一裂隙和多裂隙煤岩细观图像进行处理,获得高质量的煤岩细观裂隙二值图像,并通过量化处理,定量地得到了有效的煤岩细观结构特征参数,为后续煤岩渗流计算和损伤计算等深入研究奠定了基础。研究表明,针对对比度较低、灰度不均的煤岩细观图像,改进的C-V模型比原C-V模型取得了更好的图像分割效果和更准确的煤岩细观结构定量信息,可以应用于煤岩渗透率和损伤因子的计算。

用于面诊的嘴巴定位算法研究

针对嘴巴区域特征的精确定位对于中医面诊客观化的研究具有重要意义,提出一种基于双肤色模型、椭圆拟合与改进C-V水平集模型相结合的分割嘴巴的方法。考虑到肤色在像素空间邻域与灰度值域的平滑相似性,首先给出一种二维伽马函数的自适应光照补偿法,提升非均匀光照下肤色聚类的稳定性,进而利用根据实验确定的双肤色模型,进行肤色检测,并采用数学形态学方法去除噪声等影响,Sobel方法提取轮廓;然后根据所得的边缘和初步轮廓利用直接最小二乘椭圆拟合法提取人脸区域;最后采用改进C-V水平集模型对嘴部区域进行分割。实验结果表明,采用该算法能够得到更好的分割效果,满足中医面诊图像分割要求,为面部五官的进一步分割和检测奠定基础。