GVF Snake与显著特征相结合的高分辨率遥感图像道路提取

高分辨率遥感图像中的道路信息,对地理信息系统数据库的更新具有重要的意义。本文通过分析道路在遥感图像中所呈现的特性,提出了一种基于显著特征和GVF Snake的高分辨率遥感图像道路提取方法。该方法根据视觉认知理论将道路的几何特性和辐射特征作为显著特性。首先,通过融合颜色对比度和空间统计特征计算显著性图,并以输出的显著图的最大值作为GVF Snake的初始种子点;再利用区域生长法求出道路的初始边界,通过梯度矢量流模型的迭代求解,并最小化能量函数,实现道路信息的自动提取。试验结果表明,本文所提出的方法提高了不仅可以提高计算效率,还具有较好的检测精度。

GVF Snake模型中初始轮廓线设置算法的研究

在详细分析了动态轮廓模型抗干扰性差、运算量大、不能逼近比较复杂轮廓、初始轮廓线设置复杂等问题原因的基础上,提出了轮廓线"有效逼近域"概念,进一步研究发现,这些问题都可以通过设置初始轮廓线到"有效逼近域"内,并有效地控制"有效逼近域"范围而得以解决。由于初始轮廓线只要求设置在"有效逼近域"内,因此符合基于小波变换多尺度边缘检测算法的特性,"有效逼近域"也可以通过控制GVF力场迭代次数来有效控制其大小。基于此,通过采用小波变换多尺度边缘检测获得不同分辨率边缘点,合理控制GVF力场迭代次数,提出初始轮廓线连接算法,成功地实现了初始轮廓线的有效设置。实验结果表明,能够准确地将初始轮廓线设置在"有效逼近域"内,并且"有效逼近域"的大小可以减小到真实轮廓左右5个像素以内,运算量有效的减小,抗干扰性也得到了很大的提高。

基于GVF Snake的运动目标跟踪方法

针对Snake不能收敛于凹形边缘和收敛速度慢的缺点,结合帧间差分和梯度矢量流主动轮廓模型(GVF Snake),提出了一种运动目标跟踪方法。首先通过帧间差分得到不同时刻的灰度差异图像,然后用形态方法得到的运动目标粗略轮廓作为Snake的初始轮廓,最后利用GVF Snake的特性,准确地收敛到目标边界。实验证明该方法运算速度快、能够快速地收敛到目标轮廓、准确地跟踪目标,并具有一定的抗噪能力。

GVF Snake模型在木材表面缺陷分割的应用研究

针对木材表面存在纹理、凹凸结构、边缘颗粒和弱边缘等特点,对其直接运用Snake模型进行分割难以得到有效边缘提取,因此提出运用改进的GVF Snake模型和维纳滤波相结合对其进行分割。首先对木材图像进行维纳滤波使得纹理变得平缓,同时可以使得缺陷边缘得到有效保留,再对其进行GVF Snake模型分割。该算法对初始轮廓的选择敏感度降低,拓展性增强,可以使得轮廓曲线更加快速地收敛到缺陷边缘,避免陷入局部最优现象,提高对弱边缘和凹凸图像分割效果,分割结果更加清晰、连贯,具有良好的实时性。为木材表面缺陷的分割提供一种更为有效的方法,拓宽了snake模型的应用范围。

区域生长与GVF Snake模型相结合的水域边界提取

利用梯度矢量流GVF(Gradient Vector Flow)Snake模型实现了全色遥感影像上水域边界的智能提取。对于形状特别复杂的水域,单独利用GVF Snake模型提取其边界,存在着人机交互繁琐、时间消耗大、提取精度有待提高等问题。为了解决这些问题,提出了一种自动初始化的GVF Snake,利用区域生长法自动提供GVF Snake的初始值。从而简化了人机交互,降低了时间消耗,提高了提取精度。

基于粒子滤波和GVF-Snake的目标跟踪算法

提出了一种基于粒子滤波和GVF-Snake的自适应目标跟踪算法。该算法首先采用背景差分法获取目标初始轮廓,利用改进的GVF-Snake的强大搜索能力,使Snake收敛至运动目标的真实轮廓;然后根据控制点的距离增删控制点,达到自适应地跟踪运动和变形目标的目的;最后通过结合粒子滤波和改进的GVF-Snake,得到一种能量粒子滤波(EPF)目标跟踪算法,并利用提出的的跟踪策略,改进其抗遮挡能力。实验结果表明,被跟踪目标在遮挡情况下也能够保持良好的跟踪效果。

基于GVF Snake模型的步态识别轮廓提取

步态识别作为一种新的生物识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态特征提取是步态识别的关键步骤。采用背景消减法与对称差分法相结合对运动人体分割,采用改进的GVFSnake模型对人体运动步态轮廓进行边缘提取。实验结果表明该方法能准确高效地提取边缘特征作为步态识别的特征。

基于改进的GVF Snake模型CT图像轮廓提取技术

CT图像轮廓提取是逆向工程中的关键技术之一,由于基于边界检测算法很难提供一条连续的无间断的边界轮廓。采用一种改进的GVFSnake算法,首先通过人工取点,B样条拟合的方法,提取其初始轮廓,再利用改进的GVFSnake方法进行边界轮廓逼近,以获得比较精确的叶片边界轮廓,克服了传统活动轮廓模型梯度势能场捕捉范围小的缺点,并通过实验证明了该方法的有效性。

基于红外图像的GVF Snake轮廓提取算法的研究

针对红外图像目标具有边界模糊不清,区分效果较差的缺点,结合Ostu阈值法和梯度矢量流主动轮廓模型(GVF Snake),提出一种目标轮廓自动提取方法。采用Ostu法先对图像进行分割,然后将得到的边界作为Snake模型的初始边缘轮廓,利用GVF Snake特性将初始轮廓准确地收敛到目标边界。由于Ostu算法具有将目标物体从复杂背景中分割开来的优点,使得在应用GVF Snake模型对复杂图像进行分割时减少了人工的干预。实验证明:该方法运算速度快,能够快速地收敛到目标轮廓,并准确地跟踪目标,具有一定的抗噪能力。

GVF Snake模型中一种新的初始轮廓设置方法

通过对梯度矢量流(GVF)力场迭代和轮廓收敛过程中时间开销大、不能逼近较复杂轮廓等不足之处的分析,提出了一种新的初始轮廓线的设置方法。基于小波变换的多尺度轮廓检测算法,能够较精确地定位出各类轮廓,在此基础上设置的初始轮廓线能够非常好地靠近图像中的各种真实轮廓。实验结果表明,此方法有效地缩小了搜索的范围,减少了GVF迭代次数,提高了轮廓收敛的速度,并保留了GVF Snake模型的所有优点。

基于GVF的骨架snake模型

提出了一种基于梯度矢量流 (GVF)的快速收敛骨架snake算法。首先利用GVF变换后凹腔内外力的特点检测出物体的骨架 ,然后以骨架作为指引修改其外力的方向和大小 ,以达到快速收敛。该算法不但能解决GVF不能解决的深凹腔问题 ,而且在速度上也远远超过GVF。

基于矩阵分块化的GVF Snake模型

针对GVF Snake模型对高清图像计算速度较慢问题,通过对GVF力场的迭代计算过程、计算机Cache体系结构与原理的分析,提出了基于矩阵分块化的GVF力场的算法;确定了分块方式和最优分块大小。计算机仿真实验表明,这种方法能够大幅提高GVF外力场迭代运算速度。

基于小波多尺度分析与GVF Snake的空中目标提取

提出一种新的空中目标提取和识别方法。该方法在运用 Bubble小波对图像进行多尺度分析的基础上 ,引入梯度矢量流蛇形曲线方法对空中目标轮廓进行提取 ,以实现对空中目标的识别。

GVF Snake模型时间复杂度的研究

对使用GVF Snake动态轮廓模型算法中两次迭代的时间复杂度进行了统计计算,并进行了力场分析,在此基础上对初始轮廓线设定位置进行了研究。实验结果表明,初始轮廓线的设置应避免跨越能量极小值,此时可以得到比较好的提取效果。GVF力场迭代的次数和轮廓逼近次数与时间成正比。

一种新的GVF Snake模型自动初始化轮廓方法

Snake模型已被广泛地应用于数字图像分析和计算机视觉领域。在应用该模型时,初始轮廓不易实现自动化。因此,提出一种改进分水岭算法确定GVF Snake模型初始轮廓的方法。该方法先采用改进的分水岭算法对图像进行预分割,再将得到的边缘作为GVF Snake模型的初始边缘轮廓。实验结果证明:该方法极大地减少了GVF迭代次数,提高了轮廓收敛的速度,并保留了GVF Snake模型的所有优点,为Snake模型自动初始化轮廓提供了一种有效的方法。

基于统计模型和GVF-Snake的彩色目标检测与跟踪

为了能使传统监视系统具备目标自动检测与跟踪能力,提出了一种基于统计模型和GVF(grad ient vectorflow)-Snake的彩色目标检测与跟踪算法。该算法可用于解决在静态背景下通过彩色视频信息来对运动目标进行自动检测与跟踪的问题,同时可直接给出目标轮廓的数学表示,并可简化后续目标识别算法的设计。该算法首先采用归一化RGB空间与灰度空间相结合的模型取代单一灰度模型来消除阴影对目标检测的影响;接着在此模型的基础上对差分图像进行GMM(Gaussian m ixture model)建模,并构造运动边界图像,然后将静态图像轮廓提取算法GVF-Snake引入运动图像中,并通过修改能量项,使其能够跟踪运动目标的轮廓,最后针对Snake初始轮廓需要手工设定的问题,提出一种根据目标区域自动初始化轮廓的方法,为加快GVF-Snake的收敛速度,还采用一阶差分算法来预测下一时刻目标轮廓的位置。实验结果证明,该算法对刚性和非刚性两类目标都有较好的跟踪效果,可应用于智能监视和交通监控等领域。

结合角点信息GVF Snake模型的图像分割方法

GVF Snake模型在边缘检测和图像分割中应用广泛.GVF Snake模型相比于传统的Snake模型有更大的捕捉区域和更好的分割性能.然而,GVF Snake模型在分割带有尖角的目标时曲线很难收敛到尖角处.针对GVF Snake模型的不足之处,本文提出角点信息和GVF Snake模型相结合的图像分割方法.首先,运用基于边缘轮廓曲率的角点检测方法,检测出图像中的真实角点,局部修正GVF场,然后结合角点信息给出局部角点力,最后将角点力与修正后的GVF场相结合的得出一种新的外力.实验证明,本文改进的GVF Snake模型能够更好的收敛到图像的尖角处.

GVF Snake模型在全身骨SPECT图像分割中的应用

全身骨SPECT图像受成像原理限制,膀胱区域灰度值很高,影响图像整体的亮度、对比度和可读性;膀胱区域与病灶具有相似的灰度特征,不利于对图像进行病灶的自动识别等处理。GVF Snake模型是传统Snake的改进模型,我们用GVF Snake模型分割膀胱区域,实现全自动去除膀胱区域,为SPECT全身骨图像的各种处理提供良好的环境。

基于GVF Snake模型的舌像分割研究

为了将舌体区域正确地从采集的舌像中分割出来,与传统的Snake模型相比较,本文运用一种优化的GVF Snake模型的方法来实现对舌图像的分割。首先对所选的舌像进行中值滤波,经过二值化处理后,得到舌体的初始化轮廓线,然后采用改进的GVF Snake模型对初始化轮廓线进行边缘修正,最后得到的舌体图像更加清晰、连贯,提高了图像的可视性和准确性。

基于小波相位保持校正GVFsnake模型的B超心脏边缘提取

针对B超图像噪声过大引起的边缘提取问题,本文采用基于小波相位保持校正GVF snake模型的边缘提取 提取方法,在保持视觉效果的同时,达到了对伪像的去除、削弱和对边缘的更精确识别。