改进的距离正则化水平集演化方法

为了有效地对数字图像中的目标物体进行分割,提出了一种结合人类视觉注意机制的距离正则化水平集演化的图像分割方法,首先,利用数据融合获得视觉注意机制的显著图,进而获得曲线演化的初始轮廓,解决了演化曲线对初始位置敏感及不能自适应地决定向内还是向外运动的问题;然后,利用自定义的图像边缘指示函数,通过优化函数的演化速度参数及噪声敏感度控制参数,加快了曲线演化速度;最后,利用距离正则化水平集演化至目标物体的边界,完成图像分割,仿真结果表明:该方法能够有效地检测单个及多个目标物体的边界,提高了边界定位精度,抗噪能力较强.

利用偏置校正的分数阶正则化水平集分割算法

针对待分割图像中含有强度不均匀性和噪声情况,传统水平集分割方法不能得到理想的分割结果且效率低、抗干扰能力弱等不足。为此,提出一种利用偏置校正的分数阶正则化水平集分割算法。该方法利用分数阶距离正则项惩罚水平集函数(level set function,LSF)与带符号符号距离函数之间的偏差,抑制LSF在平坦区域的急剧反向扩散,保证LSF平稳演化。采用(Grünwald-Letnikov,G-L)分数阶导数,设计了新的分数阶导数及其共轭覆盖模板并采用改进的边缘停止函数和偏置校正,用于驱动LSF演化曲线快速地接近目标边缘。将偏置校正和分数阶距离正则化相结合用水平集函数来定义得到了能量泛函最小化的数值解。实验结果表明,所提方法对图像分割效率和鲁棒性有明显的提升。

基于局部区域与水平集正则化的图像分割方法

图像分割作为图像处理的基本问题之一,在计算机视觉领域正在接受着越来越大的挑战.该文引入了分片常数水平集函数思想,将图像的不同区域用不同常数近似,避免了分割过程中不断初始化水平集函数及水平集初始化位置微小变化造成分割效果不同的问题.局部区域能量函数的使用更适用于灰度不均匀图像的分割.此外,所提方法能量泛函是局部凸且可微的,分割法对噪声含量较大图像具有明显的优势.充分的实验结果验证了所提方法更高效.

基于双边滤波-距离正则化水平集演化算法的甲状腺超声图像分割

超声图像有斑点噪声,且对比度低、边界模糊,所以甲状腺超声图像分割较为困难。针对此问题,本研究提出一种结合双边滤波(bilateral filters,BF)和改进边缘指示函数的距离正则化水平集演化(distance regularized level set evolution,DRLSE)模型的分割算法。先对甲状腺超声图像进行双边滤波,然后采用改进的DRLSE模型对甲状腺进行分割。通过与采用另外两种边缘指示函数的DRLSE模型对比,本研究提出的BF-DRLSE模型能减少斑点噪声对分割过程的影响,并在明显减少曲线演化运行时间和迭代次数的情况下有效分割甲状腺。

距离保持水平集演化模型的快速实现算法

针对梯度下降法收敛性较差、对局部极小值比较敏感的问题,提出一种改进NAG算法,并以此替换距离保持水平集演化(DRLSE)模型中的梯度下降算法,进而得到一个基于NAG的图像快速分割算法。首先,给出初始水平集演化方程;其次,用改进NAG算法计算梯度;最后,对水平集函数进行不断更新,从而避免水平集函数陷入局部极小值。实验结果表明,与DRLSE模型中的原算法相比,所提算法迭代次数减少了约30%,CPU运行时间减少了30%以上。该算法实现简单,能够对实时性要求较高的红外图像、医学图像进行快速、有效的分割。

一种基于多特征的距离正则化水平集快速分割方法

现有的图像分割模型存在对初始化信息敏感,分割速率慢,图像弱边界区的泄露等现象.提出了一种混合快速分割方法.该方法利用偏压场近似估计图像的局部统计信息,并结合全局信息相容性及改进的距离正则化方法建立模型,最后将模型嵌入水平集框架中,与此同时,引入双重终止准则以提高分割的速度.最后利用合成图像和真实图像进行分割实验,并与CV(Chan-Vese)模型、非线性自适应水平集方法以及局部尺度拟合模型对比,表明本方法不仅对初始化信息敏感度降低,而且分割速度提高3~5倍.

基于位错理论的距离正则化水平集图像分割算法

把材料科学中的位错理论引入到水平集方法中.图像中水平集曲线的演化被看作刃位错中位错线的滑移过程,运用位错动力学机制推导出驱使水平集曲线演化的位错组态力.结合距离正则化水平集方法,把水平集方法的边缘检测函数替换为基于位错动力学理论的速度停止函数,并构建了新的距离正则化水平集函数演化方程.水平集曲线在位错组态力和速度停止函数的驱使下移动.位错组态力反映了单位长度曲线上的平均受力情况,不仅包括了图像梯度信息,也包括了位错组态力的作用范围等信息,因此可以有效地避免在局部图像梯度异常的情况下发生曲线停止演进的现象,或者避免在弱边缘处由于图像梯度较小发生局部边界泄漏的现象.实验结果表明,本文算法对弱边缘图像具有较好的分割效果.

基于简化Mumford-Shah模型的水平集红外图像分割算法

由于红外图像大多具有目标模糊,对比度低的特点,传统的分割方法容易受到噪声和边界轮廓的影响而导致分割效果不佳,提出了一种基于简化Mumford-Shah模型的水平集红外图像分割算法。该算法能够通过将初始闭合曲线嵌入水平集函数,利用函数的求解从而达到图像分割的目的。仿真实验结果表明,该分割算法与初始轮廓线位置无关,受边界轮廓线和图像噪声的影响较小,具有较强的鲁棒性,在目标与背景灰度级差别较小的红外图像的分割中取得了较好的效果。

颜色恒常性的距离正则化水平集彩色图像分割

引入颜色恒常性原理用于区分自然彩色图像中的差分结构,并结合距离正则化水平集算法,对具高光和阴影的自然彩色图像进行分割。实验结果表明,该算法能够正确有效地分割出图像目标,而未引入颜色恒常性原理的水平集算法则得到错误的图像分割结果。

基于贝塞尔滤波的水平集正则化图像分割方法

针对水平集函数在演化过程中的初始化敏感和数值稳定性问题,提出了一种新的基于贝塞尔滤波的正则化方法,并将其嵌入到经典的可变区域拟合(Region-Scalable Fitting,RSF)模型中,从而构成新的能量模型。首先,利用K均值算法进行自动初始化,再加以修正生成标准的初始水平集函数,以解决RSF模型对初始化敏感的问题;其次,利用RSF模型自身优点对图像进行迭代分割,同时在迭代过程中利用提出的方法对水平集函数进行正则化处理,保持迭代过程中的稳定性;最后,实现精确的分割效果。实验结果表明,提出的正则化方法有效地保持了水平集函数的稳定性。将新的模型与多种基于区域的模型进行对比,仿真实验表明,提出的方法具有较高的算法效率与分割精度。

基于二维集合经验模式分解的距离正则化水平集磁共振图像分割

针对现有磁共振(MR)图像分割算法大多直接在原图像上进行处理,分割效果受噪声影响较大的问题,本文引入二维集合经验模式分解(BEEMD)算法,提高距离正则化水平集(DRLSE)方法对MR图像的分割精度.算法中首先使用BEEMD将待分割MR图像分解为多个二维固有模式函数(BIMF),通过对各BIMF赋予不同加权系数重构待分割图像,从而增强分割目标;然后在DRLSE的边界指示函数中添加部分BIMF分量,恢复因高斯平滑被模糊的目标轮廓,并使用DRLSE方法对重构图像进行分割.通过对仿真图像和临床MR图像分割验证,表明本文算法具有较高的分割精度和鲁棒性,能有效实现对临床MR图像的分割.

基于改进距离正则化水平集的钢轨表面缺陷提取方法

针对现有钢轨表面缺陷检测方法复杂度过高且精确率较低,提出基于Sigmoid对比度拉伸的距离正则化水平集算法。通过对数变换和均值操作对钢轨图像进行预处理;根据钢轨表面图像梯度变化,以Sigmoid对比度拉伸方法替换距离正则化水平集中的停止函数;根据初始轮廓曲线演化方向的特点,通过新的自适应速度函数替换距离正则化水平集中的演化速度常量;以曲线演化的最终轮廓提取缺陷区域。仿真实验显示,新算法在钢轨表面缺陷数据集中的精确率为99.07%,豪斯多夫距离平均值为6.64,检测缺陷用时为16.46s。与DRLSE、DCNNs和CTFM算法相比,改进的距离正则化水平集算法提升了检测的精确率和检测速度,对噪声具有一定的鲁棒性并适用小范围缺陷检测。

改进的变分水平集演化的图像分割算法

提出了一种改进的变分水平集分割算法。引入演化曲线内外灰度图像的中值代替传统CV(Chan_Vese)模型中的均值作为曲线拟合中心。在轮廓初始化后,采用最大类间方差(OTSU)方法改进曲线拟合中心,将最大类间方差与拟合中心结合,提高分割的准确率和适应性。加入双阱势的距离正则项以避免水平集重新初始化,提高效率,从而得到一个自适应阈值与区域信息相结合的水平集演化模型。

自主水下航行器多终点航路规划的距离正则化混合水平集算法研究

为进一步提升水平集算法求解自主水下航行器(AUV)时间最优航路的计算效率,结合局部化思想和多项式距离正则化方程,提出一种用于AUV多终点航路规划的混合水平集算法。通过引入简单多项式距离正则化项,融合海流模型,推导新的水平集演化方程,并给出数值实现方法。所提算法无需重复初始化窄带且一次演化就能获得至多终点的所有最优航路集,解决了AUV多终点航路规划时计算效率不高、规划时间过长的问题。仿真结果表明,相较于蚁群算法和量子粒子群算法,在AUV的多终点航路规划中,混合水平集算法计算效率是蚁群算法的6.4倍,是量子粒子群算法的1.6倍,且鲁棒性更佳。

先验信息约束的正则化水平集肾脏感兴趣区自动提取方法

临床上常采用肾动态图联合Gates分析法来获得肾小球滤过率(GFR)并用于肾功能评价,但该方法需要手动勾画肾脏及背景感兴趣区(ROI)进行定量计算,其结果易受到图像质量、医生经验等因素的影响,且耗时耗力。为了快速且客观准确地获取GFR值,本研究提出了先验信息约束的正则化水平集肾脏感兴趣区自动提取方法。该方法以正则化水平集算法为基础,融入肾动态图先验信息进行水平集演化约束,实现肾脏ROI自动提取。由临床数据验证,该自动方法能够准确且稳定地提取肾脏及背景ROI,实现准确的GFR计算,尤其有利于肾功能严重受损时的GFR值估计。

基于主动轮廓模型和水平集方法的图像分割技术

图像分割是计算机底层视觉中首要解决的关键问题。为了使人们对该领域现状有个概略了解,首先回顾了近十几年来基于主动轮廓模型的图像分割技术的发展概况;然后分类介绍了基于边界、基于区域和基于边界与区域的主动轮廓模型技术的演变及各自的优缺点,以及相应的能处理轮廓拓扑变化的稳定数值求解方法———水平集方法;最后展望了主动轮廓模型在图像对准中的应用。

改进边界指示函数的水平集活动轮廓模型

由于受成像原理的限制,导致超声图像对比度低、边界模糊,因此基于边界的水平集分割效果很不理想。为了提高超声图像的分割精度和分割效率,提出了一种梯度信息与区域信息相结合的水平集分割算法。首先对基于边界的距离正则化水平集演化(DRLSE)模型进行改进,将区域信息引入到边界指示函数中,并用改进后的边界指示函数代替DRLSE模型中的边界指示函数,最后,得到一个梯度与区域信息相结合的水平集演化模型。结果表明,本文中的模型能准确分割甲状腺肿瘤超声图像,且在分割效率和分割精确度方面均比DRLSE模型有所提高。

一种新的曲线演化混合模型图像分割算法

本文在Mumford-Shah模型的基础上,将传统几何曲线演化的驱动力(图像梯度局部信息)、Mumford-Shah模型的全局信息以及水平集的符号距离函数统一在一个变分框架之下,完成曲线演化过程的数值计算。本混合模型无需重新计算演化曲线的初始位置,可选择较大时间步长。实验结果表明,新的混合模型既保留了原有曲线演化模型的优势,又能高效稳健、快速地完成曲线演化过程。

一种基于阈值初始化的变分水平集牙菌斑图像分割方法

将变分水平集和图像阀值化两种图像分割方法相结合,在分析灰度图像直方图分布的基础上提出利用图像阈值设定C-V模型的初始化轮廓的新方法,改变了原有C-V模型的初始轮廓线设置中存在的不足.新方法应用于牙菌斑图像分割中能够较好的识别牙齿图像边缘信息,为下一步对牙菌斑进行量化分析提供了良好的数据基础.

基于水平集方法的产品异构模型融合研究

复杂产品设计往往涉及多个CAD/CAE系统,不同系统在几何模型构建、表达和存储等方面存在异构性,导致系统间数据和信息难以融合集成,降低了复杂产品的设计与开发效率。为了实现异构CAD/CAE模型语义信息和几何特征的融合,提出基于水平集方法的产品异构模型融合方法。构建了基于模型距离场的体素化模型,给出了体素化模型的可视表达方法,建立了距离场交、差和并集操作函数与产品造型特征复制、提取和识别的映射关系,建立了构造速度场操作函数和形位误差信息、高级语义信息和局部特征信息融合的映射关系,实现了产品异构模型的信息融合。通过复杂汽轮机叶片模型形位误差和高级语义信息融合试验,证明了方法在异构CAD/CAE系统信息集成方面的有效性和实用性。