基于差分投影和梯度向量流场的眼睛特征提取

提出了差分投影的方法确定眼睛区域,并根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库(400幅图像)和JAFFE人脸表情库(213幅图像)上的实验证明该算法具有较好的眼睛特征抽取能力。

梯度向量流的各向异性扩散分析

为了解决梯度向量流力场(gradient vector flow,简称GVF)难以进入目标凹部的问题,提出了一种新的主动轮廓模型外力场——各向异性梯度向量流.GVF的扩散项是各向同性且光滑性强的拉普拉斯算子,它在各个方向的扩散速度相同.拉普拉斯算子根据图像的局部结构可分为沿边界法线和切线方向的扩散,沿切线方向的扩散具有增强边界的作用,而法线方向扩散具有去除噪音、扩散力场的作用.基于分析二者在扩散过程中的作用,提出了一种各向异性梯度向量流扩散方法,切线和法线方向的扩散速度可以根据图像的局部结构自适应地选择.实验结果表明,与GVF相比,所提出的方法考虑了扩散过程中法线和切线方向的不同作用,能够进入细长的凹部,并改进了分割结果.

基于梯度向量流的医学图像自动分割

提出了一种基于梯度向量流的自动图像分割算法,该算法首先将梯度向量流场转化为一个标量场,该标量场能够显著简化种子点选取和区域增长的步骤。在得到图像的初始分割后,再使用基于区域邻接图的算法来将相似区域合并得到最终分割结果。试验结果表明,该算法能够有效地解决医学图像中多目标区域的自动分割问题。

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。

一种动态的梯度向量流模型

传统的基于梯度向量流的活动轮廓模型只能产生静止不变的外力场,外力场中普遍存在"平衡问题",导致轮廓曲线难以收敛到长凹形边界.为此,文中提出了一种动态的梯度向量流模型.该模型首先利用与演化轮廓曲线相关的示性函数对边缘梯度图进行加权并扩散生成一个动态力场,然后利用边界停止函数控制演化轮廓曲线的收敛.该模型充分利用了演化轮廓曲线的信息,避免了静态外力场因"平衡问题"导致的过早收敛问题,能够驱使轮廓曲线收敛到凹形边界.仿真实验结果表明,相比于传统的模型,文中模型能成功地分割出目标的长凹形边界,并且对复杂目标边界也有较好的分割效果.

基于改进梯度向量流形变模型的动目标检测方法

针对现有图像序列动目标检测技术抗噪声能力较差、跟踪性能鲁棒性不强的不足,提出了一种改进的梯度向量流形变模型算法,该算法构造了新的梯度向量场,利用图像灰度梯度信息、帧间运动信息以及邻域灰度信息相结合进行梯度向量场计算.仿真试验结果表明,该方法较好地克服了图像序列中随机噪声的影响,计算出的梯度向量场基本没有干扰区域,同传统向量场相比较,有效地提高了算法的抗噪能力和跟踪结果的准确性,可更好地实现图像序列的动目标检测.

基于改进梯度向量流与最大互信息的图像配准

基于最大互信息的多模医学图像配准已成为医学图像处理领域的热点。低阶互信息仅关注灰度的统计特性,忽略了空间信息,因此采用图像梯度向量流的空间信息与最大互信息组合的方法来实现医学图像配准。实验表明,该方法可以大大提高配准速度和精度,降低误配准率。

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。

基于新的边缘保真项的有偏法向梯度向量流snakes模型

梯度向量流(GVF)有效解决了主动轮廓(snakes)模型初始化和凹陷区域收敛的问题,但由于其各向同性的扩散特性,使得对弱边缘和角点的捕获能力不足。因此,致力于寻求一种GVF各向异性扩散机制。通过将拉普拉斯算子进行正交分解,分析了GVF模型的法向和切向扩散作用,发现(类似)角点处的GVF场存在明显的曲率收缩和切向退化,进一步揭示了角点和弱边缘丢失的原因。在此基础上,通过对法向GVF(NGVF)模型引入新的边缘保真项和有偏的权重系数,提出一种新的外力模型。最后,通过实验对该方法的分割准确性和计算效率进行了比较分析。实验结果表明,该方法在保持一定计算优势同时,能准确地捕获弱边缘和角点。

基于梯度向量流snake模型的可视人体图像骨组织分割

为克服传统snake模型不能适应结构复杂的解剖图像、初始轮廓必须充分接近物体边缘的缺点 ,本研究将基于梯度向量流 (GVF)的snake模型用于可视人计划 (VHP)图像中骨组织的分割 ,并修改梯度向量流 (GVF)模型 ,使之适用于彩色图像 ;针对VHP彩色解剖图像数据量巨大的特点 ,将多尺度思想应用到snake模型中 ,以提高处理速度。这种方法提高了计算效率 ,节省了 70 %分割时间 ,得到了理想的精确度 ,对研究解剖结构、组织定量化测定等具有较高的实用意义。

基于梯度向量流的活动轮廓模型

针对当前活动轮廓模型对噪声敏感,难实现弱边界图像的准确分割问题,提出一种基于梯度向量流的活动轮廓模型.首先采用Contourlet变换对图像进行去噪处理,解决了噪声对图像分割的干扰;然后在活动轮廓模型中引入一个指示函数,用于描述向量场与轮廓曲线间的关系,通过轮廓曲线演化过程实现图像分割;最后用实验对本文模型的图像分割性能进行验证.实验结果表明,该方法可以快速、准确地实现多种类型的图像分割,分割精度和抗噪能力优于其他活动轮廓模型.

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。

基于Sigmoid型函数的梯度向量流主动轮廓模型的研究

主动轮廓主要用在计算机视觉与图像处理方面,尤其是用于检测目标对象的边界。与传统Snake模型相比,梯度向量流GVF(Gradient Vector Flow)的主动轮廓算法不仅有更大的捕获域,而且能检测到目标的凹陷处。本文对梯度向量流的主动轮廓算法做了改进,在继承原有GVF方法优点的同时,还具有以下特点:依据图像中目标边界的信息产生更合理的向量流,同时消除了噪声引起的虚假弱边界。在实际应用中,混合因子对最终检测的准确度影响相对较小,收敛速度较快。

拓扑自适应梯度向量流方法

在活动轮廓模型中的梯度向量流方法中,引入仿射单元分解的思想,提出了基于拓扑自适应活动轮廓的分割方法。该方法克服了梯度向量流方法中不能处理拓扑结构改变的问题,可以自动地进行拓扑结构改变。实验结果验证了该方法的有效性。

改进的梯度向量流模型及其应用

基于梯度向量流(GVF-Gradient Vector Flow)外力场的活动轮廓线模型的不足之处在于Snake曲线在窄带凹边界处收敛效果不好.通过在能量泛函的变分方程中引入两个以图像梯度为变量的函数来解决这个问题.改进的模型继承了GVF活动轮廓线模型的全部特性,同时提高了其在窄带凹边界处的收敛性,并加快了初始Snake曲线的收敛速度.多个算例说明了本文方法的有效性.

基于向量流场节点的图像分割算法

人工干预使蛇模型只能用于半自动的图像分割,该文在梯度向量流(GVF)蛇模型的基础上提出一种基于流场节点与最小路径方法的全自动图像分割算法。在图像的GVF场上检测出流场节点,以节点为种子,采用多标记快速扫描法获得一个初始分割,采用区域合并得到最终分割结果。实验结果证明了该算法的鲁棒性和有效性。

基于流向标量场与快速扫掠法的图像分割

通过将梯度向量流(Gradient vector flow,GVF)场与种子区域生长(Seeded region growing,SRG)法相结合,提出了一种快速的自动图像分割方法.首先基于梯度向量流场构建一个流向标量场,然后提出一种新型的快速种子区域生长分割法—快速扫掠法(Fast scanning method,FSM)对标量场进行初始分割,最后采用区域邻接图对初始分割结果进行区域合并得到最终结果.本方法分割速度快,如采用一个快速的梯度向量流算法,则可以用于实时应用.实验结果证实了本方法的高效与鲁棒.

基于GVF模型与光流场的左心室容积计算

针对目前利用心脏核磁共振图像计算左心室容积存在的分割困难和计算量大的问题,提出了一种新的计算左心室容积的方法。首先采用基于梯度向量流的主动轮廓模型(GVF-snake)对左心室内膜进行分割获取初始轮廓线,再采用光流法跟踪得到心脏序列中后续帧图像的心腔内膜轮廓线,最后采用Simpson方法计算得到左心室容积。运用该方法得到的结果和用手工勾画心脏内膜轮廓得到的结果比较表明:GVF-snake与光流运动跟踪相结合的方法用于左心室容积的计算是可行的。

基于梯度阈值法的GVF Snakes模型

针对传统参数活动轮廓模型对初始轮廓位置比较敏感的问题,提出了一种梯度阈值法,对于不同的目标图像选用合适的阈值,标识出梯度满足该阈值的点,并用B-样条曲线拟合作为初始轮廓,实现了初始轮廓的自动定位。再利用GVF Snakes模型进行目标轮廓逼近,不仅大大减少迭代次数,还解决了传统参数活动轮廓模型凹陷边界收敛难的问题。实验证明了该方法的有效性,在图像信噪比较小时分割效果仍较好。

结合模糊C均值聚类和曲线演化的心脏MRI图像分割

提出了结合模糊C均值聚类和曲线演化的MRT图像分割算法。由于心脏的变形和血液的流动,MRI图像中出现了弱边界、局部梯度极大值区域、伪影等现象。分析了使用水平集方法分割此类图像时出现的问题,提出了两阶段分割算法:结合先验知识和直方图,对心脏MRI图像进行模糊C均值聚类,再根据聚类的结果定义窄带中像素点的速度函数,通过曲线演化获取左心室的粗边界;然后使用梯度向量流构造另一速度函数对边界进行细化。心脏MRI图像的分割实验证明了算法的有效性。