基于格式塔心理学原理的几何活动轮廓模型

基于格式塔心理学原理提出了一种几何活动轮廓模型,并将其应用于图像分割。当轮廓曲线远离目标边界时,应用格式塔心理学目标-背景原则,其能量函数主要由区域间差异性组成;当轮廓曲线位于目标边界附近时,应用格式塔心理学接近性原则,其能量函数主要由区域内一致性组成。该模型符合知觉特性,是几何活动轮廓模型的一般形式,且融合图像区域信息和边界信息。通过侧脑室和肿瘤医学图像分割实验,其结果表明,该模型对模糊边界图像的自动分割具有一定的普适性,能达到满意的分割效果。将该模型应用到多目标的免疫细胞图像分割中,能一次性完成将细胞质从细胞核和体液两种不同背景中分割出来的任务。

改进几何活动轮廓模型的水下图像分割算法研究

由于海洋环境对光有很强的的吸收和散射效应,导致水下成像存在对比度低、噪声严重及灰度不均等问题[1,2],在很大程度上影响了水下图像分割的效果.论文研究了几何活动轮廓模型的基本理论,结合水下图像对比度低、图像模糊、偏色等问题,对自适应的GACV图像分割算法进行改进,建立了适用于水下图像分割的改进的自适应GACV图像分割算法的数学模型,并对水下图像进行分割仿真.仿真结果表明,该模型对弱边缘更加敏感,对具有对比度低、图像模糊特点的水下图像实现了完全分割,达到了预期的分割效果,表现出了良好的鲁棒性.

基于改进几何活动轮廓模型的图像分割算法

针对传统几何活动轮廓(GAC)模型易出现边界泄露的缺陷,提出一个基于改进GAC模型的图像变速分割算法。该算法结合了图像边缘梯度信息和边缘角点坐标信息,通过改变演化曲线在角点及弱边界处的常量速度,避免活动轮廓曲线继续演化进入目标边界内,造成边界泄露和角点丢失现象,影响目标轮廓提取的准确性。实验结果表明:该算法可使演化曲线更加准确地停在目标边缘,并且在一定程度上减少了边界泄露问题。

SAR图像海岸线检测的区域距离正则化几何主动轮廓模型

合成孔径雷达(SAR)卫星遥感图像可以极大地提高全国海岸线覆盖频率,然而受到海洋波浪所引起的随机海水表面粗糙度的影响,海岸目标与海水背景边界易混淆不清,因此本文提出了基于区域距离正则化几何主动轮廓模型(RDRGAC),引入距离正则项,解决重复初始化水平集函数为符号距离函数的问题,提高了算法收敛速度。此外,将区域面积项系数与SAR图像等效视数(ENL)建立非线性拟合关系,实现RDRGAC模型根据不同SAR遥感图像的自适应调整,改善海岸线自动提取精度。通过河北省北戴河和大连市金州湾SAR数据海岸线提取对比试验,验证了所提方法的有效性。

基于几何主动轮廓模型的粒子滤波跟踪算法

标准粒子滤波(SPF)是解决非线性、非高斯模型系统跟踪问题的典型方法,然而粒子更新过程严格依赖于参数的选取,且不能处理曲线拓扑结构的变化。鉴于此,提出基于几何主动轮廓模型的粒子滤波(PF)算法。利用水平集技术处理轮廓曲线拓扑结构变化,改进重采样技术,增加粒子多样性。实验结果表明,该算法是有效可行的,并提高了非线性系统状态的估计精度,具有更强的适应性。

基于几何活动轮廓模型的人脸轮廓提取方法

针对在结构性噪声较严重的情况下 ,常规几何活动轮廓模型无法获得理想分割效果的问题 ,提出一种基于几何活动轮廓模型的人脸轮廓提取方法 ,该方法首先将人脸形状的椭圆性约束作为算子嵌入到几何活动轮廓模型中 ,并利用几何活动轮廓模型提取任意轮廓的优势来快速抽取出图象中类似椭圆的目标边缘 ;然后根据图象中人脸的先验知识 ,通过对检测到的椭圆目标进行进一步验证来找出最终人脸轮廓 .由于采用变分水平集方法做数值计算 ,因此该方法不仅能够自然地处理曲线的拓扑变化和能较精确地提取出图象中的人脸轮廓 ,而且同时可以给出人脸水平旋转的大致角度等信息 .实验结果表明 ,该方法是有效的 .

基于改进的几何活动轮廓模型的叶片自动分割

叶片的形态测量在苗木生长自动监测中具有重要意义,在形态测量前首先要将完整的叶片从背景中提取出来。针对彩色苗木叶片图像的特点研究了利用几何活动轮廓模型进行完整叶片的自动分割的方法。首先利用图像的全局信息和C-V模型进行初始分割,当曲线到达目标边界附近时,利用改进的基于图像局部信息的能量模型进行边界的精确定位。该方法将C-V模型不受初始位置影响的优点和改进模型克服弱边界泄漏的优点结合起来,实现了叶片的自动分割,取得了令人满意的实验结果。

基于符号压力函数的几何活动轮廓模型

针对几何活动轮廓(GAC)模型的诸多缺点,提出一种基于符号压力(SPF)函数的活动轮廓模型。采用一种基于区域统计信息的符号压力函数作为边界指示,能够提高演化曲线在运动过程中对模糊边界的识别能力和抗噪能力。相对于传统几何活动轮廓模型,所提模型具有如下特点:一是能够有效分割边界模糊的目标;二是更具抗噪能力;三是轮廓线运动具有双向性。实验结果表明了所提模型的有效性。

图像分割的结构张量几何活动轮廓模型

基于水平集方法和结构张量,提出几何活动轮廓模型应用于图像分割,解决水平集方法轮廓初始化和弱边缘处易于边缘泄露问题。该方法利用张量图像的散度算子构造新的外力,引导水平集函数的自适应运动,使得其可以初始为常值函数,消失其演化对初始轮廓的需要;在偏微分方程中引入张量迹信息,减少噪声对其演化的影响,避免轮廓在弱边缘处泄露。实验结果表明,该方法对噪声图像鲁棒,能提取深度凹陷目标轮廓和红外图像中的弱目标。

基于支持度变换的几何活动轮廓模型轮廓提取方法

提出了一种新的轮廓提取方法,该方法将几何活动轮廓模型与映射最小二乘向量机(mapped LS-SVM)相结合。首先用映射最小二乘向量机推导出支持度滤波器,通过在基本支持度滤波器中填充零的方法得到一系列的多尺度支持度滤波器。然后通过支持度变换(SVT)计算出支持度图像。在此基础上,用支持度图像计算几何活动轮廓模型的边缘指示函数,使得曲线演化快速地收敛到期望位置。实验结果表明该方法的轮廓提取效果较好,收敛速度更快。

MRI分割的几何活动轮廓模型的半隐式AOS迭代方法

几何活动轮廓模型以其计算稳定等优点,被广泛用于图像分割。给出一种基于AOS(additiveoperatorsplitting)算法的快速活动轮廓模型,将AOS方法与几何活动轮廓模型相结合构造一种半隐式迭代模型,它对迭代步长没有限制,从而可以选择较大的迭代步长,提高了模型的时间效率,并使用区域信息构造系数矩阵,使模型具有全局性。对MR(magneticresonance)图像分割的实验表明,该模型可以得到较好的分割结果,同时时间效率也有大幅提高,方便了实时应用。

基于几何活动轮廓模型初始轮廓自动分割方法的研究

提出一种几何活动轮廓模型初始轮廓自动分割的方法。此方法综合利用了分水岭算法以及几何活动轮廓模型算法,通过利用人脸的肤色特征、结构特征等逐级判别原理,从而实现了自动分割的目的。实验结果表明,采用此方法很好地实现了目标对象轮廓的自动分割,基本可达到与人工干预相近的效果。此方法同样可以广泛应用于人脸检测、图像自动分割、视频监控系统等领域。

基于几何活动轮廓模型的SAR图像海岸线检测

由于受自然条件的影响,从SAR图像中提取海岸线存在弱边界的问题.此外海岸线附近存在复杂的微地形,使得传统的目视解译和基于边缘信息的图像边缘检测方法在SAR图像中难以得到连续、完整的海岸线.针对上述问题,文中提出了一种基于几何活动轮廓模型的海陆分界线检测方法.该方法采用新的符号压力函数对几何活动轮廓模型进行改进,结合全局的区域光滑信息作为曲线演化的收敛条件,并将其用于SAR图像的海岸线检测.实验结果表明,文中方法具有迭代次数少、精确度高的特点.

基于活动轮廓模型的图像分割方法研究综述

面对层出不穷的图像分割方法,活动轮廓模型因其严谨的数学理论,已然发展成为图像分割的重要方法之一。基于此,对基于活动轮廓模型的图像分割方法进行了研究。首先,介绍了活动轮廓模型的构建思想及优缺点;其次,分析讨论经典的参数活动轮廓模型和几何活动轮廓模型,并着重介绍了4种经典活动轮廓模型图像分割算法,并对其进行了性能比较;然后,对活动轮廓模型能量泛函求极值过程中需要用到的变分法和梯度下降法进行了理论分析;最后,总结全文并在此基础上展望活动轮廓模型的未来发展动态和改进方向。

基于水平集方法的几何活动轮廓模型综述

随着时代发展科技进步,计算机图像分割的技术及方法也越来越受到关注和重视,其应用领域也越来越广泛。活动轮廓模型是图像分割中获取边缘信息的重要方法,因而成为研究热点和难点。文中开始部分引入并介绍了活动轮廓模型及其其中一种数值实现方法,之后基于不同的曲线表达对其进行分类,针对类别中的几何活动模型进行详细阐述,阐述中有几何活动轮廓模型经典方法的描述。最后对模型进行总结和展望。

基于先验知识和几何主动轮廓线的三维超声瓣膜分割

几何主动轮廓线模型是一种有效的图像分割方法。但对于被噪声严重干扰的目标依然很难准确分割。特定目标的先验知识可以有效地指导目标的准确分割。我们把特定目标的区域和形状先验知识表示成一种速度场,把此速度场嵌入到几何主动轮廓线模型中,指导目标的快速准确分割。先验区域限制水平集在特定区域迭代,先验形状使曲线向理想轮廓演化。我们把该算法应用于三维超声图像的二尖瓣自动分割,结果表明该分割算法是快速和高效的。

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。

基于几何活动轮廓与分形盒维数的图像分割

针对传统几何活动轮廓(GAC)模型不能实现自适应分割,且容易出现边界泄漏和演化时间较长的缺点,提出了一个基于GAC与分形盒维数的图像分割算法。该算法结合了图像信息(图像分形盒维数)和演化曲线的位置,用与演化曲线内外区域分盒维数相关的演化速度v(D)代替传统GAC模型中的常量速度v。实验结果表明该算法可以使演化曲线根据其位置自适应地向内或者向外运动,减少了分割时间,并且在一定程度上减少了边界泄漏。

基于阈值与活动轮廓模型的SAR图像浒苔监测

针对浒苔分布的监测问题,提出了一种结合阈值分割与几何活动轮廓模型(GACM)的合成孔径雷达(SAR)图像分割方法。首先采用最大熵算法与Otsu算法结合的阈值分割方法获取初始轮廓,在此基础上构建窄带,以缩短运算时间。而后在窄带内采用基于SPF函数的几何活动轮廓模型进行轮廓演化,以得到光滑连续的高精度分割结果。使用Sentinel-1A卫星2021年5月~8月的SAR图像进行实验,实验结果表明,所提方法获取的浒苔分布有着更高的准确率,同时较传统GACM方法显著提高了运算速度,能够实现对浒苔的实时监测。