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。

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。

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。

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。

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。

基于梯度矢量流变形轮廓的B样条曲线拟合

给出了基于梯度矢量流变形轮廓的离散数据点拟合算法。首先计算出所给离散数据点各点的梯度矢量流(Gradient Vector Flow,GVF)力场,将此力场作为静态外力场,采用B样条曲线作为初始变形轮廓线,运用有限元方法对B样条变形轮廓的能量泛函极值问题进行求解,从而实现变形轮廓在外力场的作用下向离散数据点逼近。应用实例证明,该算法可以获得较好的曲线拟合效果。

基于改进的主动轮廓模型及光流估计的标记线跟踪

在心脏核磁共振图像分析中,标记线的跟踪是心肌运动分析及3维运动重建的重要步骤。为了提高心脏标记线跟踪的准确性,首先使用改进的基于动力学方程的主动轮廓模型来对标记线进行跟踪,并根据标记线的特点,引入了3种弹性势能,然后采用了新的内能函数,并使用新的方法来产生图像势能,由于改变了原模型中轮廓线初始速度为零的假设,并引入了光流估计作为轮廓的初始速度,从而提高了跟踪结果的准确性。对多序列心脏收缩期核磁共振图像的实验结果表明,该算法可以获得较好的跟踪效果。

迭代梯度矢量流变形模型的图象分割方法

虽然梯度矢量流变形模型是一个有效的2D/3D图像分割的工具,但当图像边缘的凹口又深又细时,变形模型不能进入深凹口,为此提出了迭代梯度矢量流方法。此方法是修正当前梯度矢量流变形模型的收敛结果作为其后梯度矢量流变形模型的初始轮廓,通过梯度矢量流变形模型算法的迭代来完成图像的分割。实验结果证明:迭代梯度矢量流变形模型是解决含有深细凹口边缘图像分割的一种有效方法。

结合梯度信息的主动轮廓模型图像分割算法

传统的C-V模型对于含有多灰度级目标的图像难以实现准确分割,并且分割速度非常缓慢。为了解决这些问题,提出了在C-V模型中引入梯度信息的图像分割算法。该算法在C-V模型的偏微分方程中加入了依赖于梯度信息的弱目标区域控制项和加速因子。弱目标区域控制项可以使弱目标被快速,稳定地锁定,加速因子的引入可以显著地提高C-V模型的分割速度。实验结果表明:该算法能够有效分割出弱目标和提高图像分割速度。