在图像分割中对水平集函数应用的研究

图像分割是从图像处理到图像分析的关键技术,几何活动轮廓模型是为解决图像处理和计算机视觉领域广泛存在的图像分割问题而提出来的。水平集函数是在研究几何活动轮廓模型时将界面或者演化曲线看成高一维空间中某一函数ψ原型。文章在分析传统水平集函数和距离保持水平集函数优缺点的基础上,引入图像相依的权系数v(I)代替常值权系数,提出了一种自适应距离保持水平集函数。然后通过对水平集函数求其偏微分方程,经过数值实现并求出其解,从而得出图形界面的基本形状和特征。

凹形多面体离散单元的水平集函数接触算法

多面体模型理论上可构造任意颗粒形态,然而受单元接触算法的限制,仅用于凸形颗粒材料的离散元模拟。对于具有凹形特征的多面体单元,单个接触点的搜索算法难以精确计算单元间的作用力。考虑多面体单元间存在单个或多个接触点的计算特性,本文发展了适用于凸形和凹形多面体颗粒材料的水平集函数接触算法。该方法通过点-三角形单元距离计算方法和奇-偶数判定方法建立多面体单元的零水平集函数和空间水平集函数,并对水平集函数进行三线性插值,可得到多面体单元间的单个或多个接触点。为检验水平集函数接触算法的可靠性,对球形和凹形多面体颗粒材料的堆积和倒塌过程进行离散元模拟,并分析颗粒形状对堆积密度和休止角的影响规律。

基于水平集函数的区间不确定性结构可靠性拓扑优化

针对输入参数具有区间不确定性的结构可靠性拓扑优化问题,充分利用水平集函数(LSF)便于追踪固定网格上的结构演变、裕量与不确定性量化(QMU)方法易于表征结构可靠性的优点,建立了考虑区间不确定性的基于LSF和QMU的结构可靠性拓扑优化模型。该模型以紧支径向基函数(CSRBF)的插值系数为设计变量,以结构最小应变能为目标,以结构体积为普通约束,以位移的QMU置信因子为可靠性约束,并使用移动渐近线算法(MMA)进行优化求解。通过经典的悬臂梁算例证明在输入参数具有区间不确定性时,文中所提方法的可行性和有效性。

基于多层水平集函数的三维多相图像分割

多相图像分割通常利用多个水平集函数分别定义不同区域的特征函数,其极值求解问题需要对多个函数分别求极值,计算效率较低。针对三维多相图像,提出一种改进的变分水平集模型,采用一个多层水平集函数的n层水平集隐式曲面,将图像划分为n个区域,通过对一个水平集函数求极值,实现三维多相分段常值图像的快速分割与重建。将能量泛函表达为数据项和规则项,借助规则化Heaviside函数设计区域划分的通用特征函数,采用Split-Bregman投影方法进行能量最小化求解。实验结果表明,该模型可以有效地实现三维多相图像分割,与Chan-Vese模型相比,其迭代步数较少,分割速度较快。

基于水平集函数的三维结构内部缺陷反演分析

为了更快捷有效地识别结构中存在的缺陷,在实验室浇筑了内部含球形缺陷的水泥砂浆试件,通过三维数字图像相关方法测得试件在单轴压缩荷载下其侧表面的竖向和水平方向的位移值。基于水平集函数描述结构内部的缺陷特征,结合扩展有限元法和人工蜂群智能算法,建立了三维结构内部缺陷反演分析模型,在模型边界上施加测得的位移值作为边界条件,进行三维结构内部缺陷反演分析。模型采用水平集函数描述结构内部的缺陷,迭代过程无需进行网格重划分;同时,人工蜂群智能算法可进行全局搜索,迭代速度快且可避免早熟陷入局部最优。数值反演分析结果与实验结果的对比表明:所建立的反演分析模型能够有效快速地识别三维结构内部的缺陷。

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.

基于各向异性改进的水平集超声图像去噪算法

针对各向异性扩散可能出现的阶梯效应以及扩散门限难以准确确定、水平集函数只能根据图像梯度区分图像边缘及同质区域的问题,将各向异性扩散中的边缘增强项引入到水平集方程中,同时自适应地估计扩散门限,在去除噪声的同时保持和增强边缘。该方法结合了水平集函数和各向异性扩散的优点,理论分析和实验结果均表明了该算法的去噪效果更好。

演化曲线自适应驱动的图像分割水平集模型研究

利用图像梯度和几何曲率等信息可以准确定位分割图像的边缘.基于此,本文在对图像分割典型变分模型有效性及所存在问题分析和讨论的基础上,提出了一种演化曲线自适应驱动的图像分割水平集模型.模型通过调整演化曲线长度项和面积项的权重函数,使演化曲线能够根据图像当前的状态自适应的调整演化幅度和方向,不仅提高了图像分割的准确度,还大大缩减了图像分割时间;模型在利用图像局部区域信息的同时,也利用全局化的正则函数来兼顾模型能量泛函的全局性,使模型有了对异质区域边界的捕捉能力.经试验验证文章所提出的新模型有效可靠.

水平集方法在图像分割技术中的应用

图像分割是图像工程中热门且举足轻重的一项研究。图像分割的本质是将感兴趣的目标从图像背景中提取出来,以便后续处理,是图像工程中十分关键的一步。重点研究水平集方法在图像分割技术中的应用,通过水平集方法能够将图像梯度信息、区域统计信息和目标形状等信息融入分割框架中,能出色地控制轮廓的演化,同时减少了计算量,从而获得更高的分割精度和效率。

结合图像过渡区的变分水平集模型

为解决无需重新初始化水平集演化模型对初始轮廓敏感的问题,基于过渡区提出一个变分水平集模型。首先从形态学角度提取图像的过渡区,从而获得分割图像的阈值;然后根据这个阈值,加权面积项前的尺度参数修改为一个函数,它在感兴趣的目标内外有相反符号,水平集函数可初始化为一个常值函数。提出的模型不但从根本上解决了对初始轮廓敏感的问题,而且能够实现对图像的快速分割。对合成和真实的图像的实验验证了该模型的有效性。

保特征散乱数据的曲面重构——变分水平集方法

研究了保特征散乱数据的曲面重构问题。根据主曲率的差可以刻画图像的棱角特征这一特性,提出了一种新的能量模型。通过变分法,能量得到了新的微分方程,并利用有限元方法求解。试验结果表明,该方法有良好的重构效果,并很好地保持了棱角特征。

改进水平集的车辆检测算法

针对视频序列的车辆检测,研究了常用的车辆检测算法。提出一种改进的基于水平集函数的车辆检测算法。利用均值法建立背景模型,采用背景差分法获得车辆运动区域位置,大大缩小水平集函数在图像中曲线演化的范围,快速准确地检测到车辆。

处理碎片图像的多个水平集方法

在Mumford-Shah模型基础上提出了一个泛函极值问题,并提出了用多个水平集来处理较为复杂图像的方法.数值实验结果表明,该方法是有效的.

结合全局和双核局部拟合的活动轮廓分割模型

针对可缩放区域拟合(RSF)模型对初始轮廓敏感的缺点,提出了一种结合全局和局部图像信息的变分水平集活动轮廓模型。该模型设计了一个灰度域上的核函数,将其与RSF模型空域核的线性组合作为局部能量项,弥补了采样权值仅与空间距离有关的缺陷,提高了分割精度;构造了带有自适应全局指示函数的面积项,作为全局拟合力,提高了模型的收敛速度且避免陷入局部极小值;使用了高斯滤波方法,规则水平集函数,使其保持光滑,并避免了复杂的重新初始化过程。实验结果表明,该模型初始化灵活,对灰度不均匀图像有很好的分割效果。

颗粒增强复合材料的扩展有限元模拟方法

为了简化颗粒增强复合材料的单元划分问题,采用扩展有限元的富集技术模拟材料的非均质性。在扩展有限元理论框架下,无须严格按照材料的几何边界划分计算网格,从而使单元划分十分简便。利用水平集函数来表征夹杂材料的几何界面,并构造富集函数以修正与材料界面相交单元的形函数。对于包含多种材料的单元,只需要进行单元分解,分区域形成单元刚度矩阵。阐述了扩展有限元位移模式的构造,支配方程的建立以及数值积分方案等。最后,分别应用扩展有限元和常规有限元方法模拟了单轴受拉的颗粒增强材料,计算结果表明扩展有限元方法是简单有效的。

活动轮廓模型的图像分割方法综述

基于活动轮廓模型的图像分割方法作为计算机视觉应用领域的一个研究热点而倍受关注.文中首先阐述活动轮廓模型的数学模型及其相关的数值实现方法.然后以参数活动模型和几何活动模型的发展为主线,对活动模型的发展进行综述,对其应用于图像分割的经典方法、优势和所存在的问题进行比较性研究.最后对活动轮廓模型的未来发展进行展望。

融合模糊全局和双核局部信息的活动轮廓模型

尺度可控的局部区域(RSF)活动轮廓模型可用于灰度不均匀图像的分割,但存在初始化敏感和易陷入局部极小值的缺点,从而限制了其实际应用,因此提出了一种结合模糊聚类区域信息的变分水平集活动轮廓模型.该模型采用了模糊均值聚类(FCM)算法对图像进行预处理,将预处理结果二值化后作为下一步水平集演化的初始轮廓,解决了初始化敏感问题;设计了一个灰度域上的核函数,将其与RSF模型的空域核的一个线性组合作为局部能量项,弥补了采样权值仅与空间距离有关的缺陷,提高了分割精度;将聚类分析得到的模糊隶属度作为图像的全局信息,结合改进的CV模型,作为全局拟合力,增加了模型的自适应性,并加快了模型的收敛速度.实验结果表明,该模型能够自动初始化,抗噪性能强,对灰度不均匀图像有很好的分割效果.

基于局部区域力的活动轮廓模型图像分割研究

研究活动轮廓模型的分割效果问题。针对目前测地线活动轮廓模型对初始化位置十分敏感,在穿越边界的初始化条件下易产生错误分割,以及耦合曲线活动轮廓模型在灰度分布不均匀时易做出错误分割的问题。提出由活动曲线附近的区域信息决定的局部区域力的新测地线活动轮廓模型,可以被图像梯度和区域信息的外力所驱动,达到有效地驱动活动曲线收敛到物体边缘的目的。新模型结合了测地线活动轮廓模型和局部信息的活动轮廓模型的优点。实验证明,新模型可以跨边界进行初始化操作,同时对弱边缘图像有更好的分割效果。

基于Wasserstein距离和SBGFRLS方法的活动轮廓模型图像分割算法

提出一种结合Wasserstein距离和SBGFRLS方法的非参数化活动轮廓图像分割算法。该算法采用二值函数作为水平集函数并利用高斯核函数对其正则化,有效避免水平集演化中的重新初始化过程,提高分割速度。算法本身具有选择局部和全局分割的属性。利用Wasserstein距离作为区域相似性测度使图像分割不依赖于图像数据的具体分布模型,扩大了传统水平集算法的应用范围。实验结果表明,该算法能够对图像进行有效准确地分割且具有较快的速度。