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。

用于图像分割的自适应距离保持水平集演化

Li等人提出的距离保持水平集方法有传统变分水平集方法不具备的许多优点,然而,它有初始曲线必须包围目标物体或完全置于目标物体内部或外部的缺点.提出一种自适应距离保持水平集方法,它无须初始曲线包围目标物体或完全置于目标物体内部或外部,即初始曲线可以置于图像的任何地方.它能够解决原方法所不能解决的一些图像分割问题,例如,能够从任意选取的一条初始曲线出发自动检测目标物体的内外轮廓,检测多目标物体以及深度凹陷区域的边缘,并能较好地提取目标物体的弱边界.对几幅具有不同目标边界形态的合成图像和自然图像进行了实验,结果都取得了预期的分割效果.

一种改进的自适应距离保持水平集演化方法

提出一种改进的自适应距离保持水平集演化方法.该方法定义新的图像相依权系数与停止函数,有效解决了演化曲线对初始位置敏感的问题.零水平集曲线能根据图像性质自适应地决定向内还是向外运动,而且在像素灰度值相等的区域曲线能继续演化直至目标物体边界,并提高了零水平集曲线对深度凹陷边界的捕获能力.实验结果表明,该方法能有效检测目标边界,且有较强的抗噪能力.

无需重新初始化的自适应快速水平集演化模型

水平集方法已被广泛地应用在图像分割中,传统的水平集方法需要通过周期性的初始化水平集函数使得它一直保持在符号距离函数附近,然而初始化与水平集理论和实现相违背。最近,LiC等人提出一种完全不需要初始化的变分模型,该模型的主要不足就是单方向演化,即演化曲线或收缩或扩张到目标边界。针对二值图像提出一种新的基于距离保持水平集方法的活动轮廓模型,它不依赖于初始位置,演化曲线准确地收敛在目标边界,更重要的是曲线演化只需一次迭代。

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.

结合扩展LoB滤波的距离保持水平集方法

二项分布拉普拉斯边缘检测算子LoB主要利用图像的二阶微分。作者在此基础上结合图像的张量信息提出了改进的LoB滤波算子,作用于距离保持水平集方法的面积项,从而构造出新的模型。与原模型相比,该模型提高了图像的演化速度,能够分割多目标物体且对具有丰富尖角细节、深度凹陷和狭窄缝隙的图像拥有较好的分割效果。

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。

基于改进的距离保持水平集的牛肉图像背长肌自动分割

为了改善牛肉图像中背长肌的分割效果,提出一种改进的距离保持水平集方法实现牛肉图像中背长肌区域的自动分割:根据牛肉背长肌图像的特点,结合大津法和旋转法提取背长肌切面区域,设定候选区域并找到初始轮廓曲线;根据水平集演化过程中自定义系数函数值的变化规律,使用自定义的算法控制零水平集的自动演化和停止;之后结合标记分水岭算法对图像进行加工,得到更精确的目标背长肌区域。与其他分割算法比较,该改进的分割方法效果更好。

中国绿色经济发展水平测度及时空演化研究——基于马氏距离的TOPSIS评价模型

在生态文明建设持续推进的背景下,绿色经济成为了新时代经济发展的主题。本文选取经济效率、社会基础、绿色环境3个一级指标和18个具体的二级指标建立了中国绿色经济发展评价体系,运用基于马氏距离的TOPSIS模型对中国31个省份(未包括港、澳、台,下同)2011-2020年的绿色经济发展水平进行实证分析,并通过非参数核密度估计和莫兰指数研究了中国绿色经济发展水平的时空分布演化。结果显示:中国绿色经济发展水平呈现波动上升的趋势,空间上呈现“东高西低”的分布格局;动态演变上看,各省市间的绝对差距加大,相对差距缩小;在空间关联度上,各省市间由随机分布逐步演化为正向的空间自相关,相关性增强,发展步伐逐步统一。依据研究结论和数据,对我国绿色经济发展与建设提出建议。

距离保持水平集在汽车门锁图像分割中的应用研究

针对基于机器视觉的汽车门锁装配尺寸检测系统中摇臂距离的检测问题,研究了距离保持水平集的图像分割算法。该算法是将轮廓表示为一个符号函数,符号函数的零水平面与实际轮廓相对应,并在能量泛函中加入了内部能量泛函,表示两个函数之间的差异。实验表明,与一般的基于边缘检测的图像分割算法相比较,该算法能够很好的解决汽车门锁图像中摇臂外弧线分割问题,提高了汽车门锁检测系统的精度。同时,该算法也可应用到其他类似工业装配件局部图像分割中。

基于Mumford-Shah模型的快速水平集图像分割方法

该文对Chan-Vese提出的基于Mumford-Shah模型的水平集分割图像的算法做了两方面的改进:首先改进了C-V方法的偏微分方程,使得C-V方法可以快速计算出全局最优分割;其次,采用源点映射扫描方法来快速计算符号距离函数,克服了常规水平集方法中构造符号距离函数计算量大的缺点,并结合该文所提出的基于快速步进法生成符号表的方法,进一步提高了计算稳定性.两方面的改进提高了计算的速度和分割效果,试验统计结果显示,对于512×512的大幅图像,一般只需要10次左右的迭代就可以得到最优的分割效果.对合成图像、生物医学图像的分割结果表明了本文方法的稳健、快速.

改进的C-V水平集模型图像分割算法

复杂的计算限制了基于Chan-Vese(C-V)水平集模型的图像分割方法的应用。为提高图像分割的速度,提出一种基于C-V水平集模型的改进水平集方法。在一般情况下,只需要几次简单迭代就能分割出物体的轮廓。实验表明,该方法简单高效,能够快速有效地实现图像轮廓分割。

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。

一种改进的无需水平集重新初始化的C-V主动轮廓模型(英文)

重新初始化是使水平集函数保持符号距离函数的必要步骤。虽然它保证了水平集函数的稳定收敛,但是它也降低了曲线演化的速度。本文主要在该方面针对Chan-Vese提出的水平集图像分割模型进行了改进,提出了无需重新初始化的C-V模型。该模型将水平集函数与距离函数的偏差作为能量函数引入C-V模型,以此来约束水平集函数成为距离函数,提高了C-V模型的演化速度。同时该模型能够用一般的分段常数函数来定义初始水平集函数,即水平集函数不必初始化为符号距离函数。这样,对于不规则形状的初始轮廓,节省了初始化过程所消耗的时间。实验结果表明,本文所提出的模型不仅提高了C-V模型的演化速度,而且实现了水平集函数初始化的灵活性。

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。

水平集函数规则化的C-V主动轮廓模型

Chan与Vese提出的C-V主动轮廓模型采用传统的水平集方法实现,为了保证水平集函数演化的稳定性,需要加入轮廓的长度项来规则化水平集函数,且在演化的过程中要周期性重新初始化为符号距离函数,从而大大增加了计算量和实现的复杂度。提出一种新的规则化水平集函数的方法,不但可以保证水平集函数演化稳定,而且避免了重新初始化。实验结果表明:该方法稳健、快速。

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。

基于Chan-Vese水平集的梯度加速分割模型

为了提高图像分割的速度和精度,提出了一种新的基于Chan-Vese水平集模型(C-V模型)的梯度加速分割模型。首先,在C-V模型的能量函数中加入一个内部能量项,抵消演化过程中水平集函数和符号距离函数的偏差,从而消除分割中周期性重新初始化的过程;其次,提出了梯度加速项,通过感兴趣区域的图像特征,快速得到该区域的边界,且能够提高弱边界的分割精度。实验证明,提出的方法不仅能够加速特定区域的分割、提高分割精度,还能保持分割过程的稳定性。

一种自适应初始轮廓的水平集演化方法的研究

距离规则水平集存在对噪声、初始轮廓敏感、收敛速度慢以及容易从弱边缘处泄露等不稳定问题.结合待分割目标灰度统计信息和图像梯度信息,提出了一种自适应初始轮廓的水平集演化方法,利用图像信息构成的自带符号目标信息函数代替面积项中的边缘指示函数,解决水平集方法对初始轮廓敏感问题.另外,还设计一个自我调整的面积项系数解决水平集方法对收敛速度慢以及弱边缘处泄露问题.实验结果表明:本文方法不仅可以减少图像分割时间,提高了分割质量,同时能够解决对初始轮廓敏感问题.

基于改进符号距离函数的变分水平集图像分割算法

为保证水平集图像分割算法的稳定性,传统水平集方法常采用重新初始化的方法或引入符号距离函数,但这两种方法存在计算量大或计算不稳定的问题.因此,提出一种基于改进符号距离函数的变分水平集图像分割算法.首先,改进已有的Double-Well型符号距离函数约束项,改进后的约束项可避免重新初始化、提高计算效率,同时也能更好地保证水平集函数演化过程的稳定.然后,利用基于全局灰度信息和局部灰度信息的活动轮廓模型构造能量泛函,该能量函数继承了全局模型和局部模型的优点,可驱动水平集函数准确演化至目标边界,且可动态调整组合权重.最后,引入高斯卷积运算,加快演化速度同时也对水平集函数起到平滑的作用.对人工合成和自然图像的数值实验及与同类模型的对比实验证明,提出的模型具有较高的分割准确度及对噪声和初始轮廓的鲁棒性.