彩色C-V方法及其在印刷网点图像分割中的应用

将Chan和Vese提出的基于Mumford-Shah模型的图像分割方法(C-V方法)由灰度分割扩展到彩色分割,并给予一定改进。提出了一种可以有效分割彩色图像的彩色C-V方法,使得图像中的色度信息得到充分利用;对原始C-V模型进行改进,增强了全局特性,同时考虑到人眼视觉感知,采用合适的色彩空间;将该方法应用于印刷网点图像分割。实验表明,彩色C-V方法用于分割边缘模糊和噪声污染较为严重的网点图像时,效果大大优于传统的分割方法。

C-V方法及其在体表损伤图像分割中的应用

法医体表损伤种类的多样性及损伤图像灰度图多峰值、边界模糊等特点决定了精确判定损伤部位的边界十分困难。C-V方法是一种变分水平集分割方法,它结合区域信息使得分割结果全局最优,同时采用水平集函数的表达方式,可以非常自然地处理轮廓线拓扑结构的变化。本文改进了C-V方法中符号距离函数的快速生成算法,并把它用于体表损伤图像分割,实验证明,C-V方法在体表损伤图像的分割中取得了较理想的效果,它可以较清晰地把损伤部位的边缘分割出来。特别是对边缘比较复杂的图像,C-V方法相比传统的分割方法,优势更加明显。

MRI图像的基于窄带的递进多分区C-V分割方法

提出了递进的基于窄带的多分区C-V方法,并对多幅医学脑部MRI图像进行了分割实验。由于该递进方法分为多个阶段,每阶段只需一个水平集函数,并且在每一阶段应用窄带区域,即只处理窄带区域中的点,从而使计算量大大减少。实验结果证明本算法是有效的,在提高计算速度的同时,可大大改进复杂几何结构的分割效果。

平面旋转人脸检测与特征定位方法研究

提出了一种基于角点检测、AdaBoost算法和C-V方法的平面旋转人脸检测及特征定位方法.方法首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器;然后以角点作为眼睛的候选点,枚举任意两个角点构造可能的人脸区域,并在区域内运用人脸检测器进行检测;接着利用眼、鼻、嘴检测器检测出人脸特征所在的矩形区域;最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓,进而得到人脸关键特征点的位置.在CMU平面旋转测试集上的检测率为94.6%,误报24个,提取出的特征点位置准确.实验结果表明方法是有效的.

长寿命MOS C-V分析方法——用于MOS电路参数失效分析

为了能及时地直接分析 PCM(Process Control Monitor)参数异常及电路失效原因,我们在 PCM 参数测试系统(如 HP4062,Ag 4070系列)上开发了 MOS C-V 测试分析功能。鉴于目前 MOS 工艺水平不断提高,最终产品片上硅表面空间电荷区少子产生寿命在数100μS以上,传统 C-V 分析技术不再适用,因此不能对参数失效电路进行有效分析。为此我们又在 PCM 参数测试系统上开发了一个新的 C-V 分析模式:建立 Ziegler 分析功能,以获得 MOS 晶体管沟道区掺杂剖面 N(w);利用 C/C_(ox)=0.7时的电压值计算一个等效电荷数密度 Q_(eq)/q;在 N(w)的基础上再计算其他电容参数(N,CFB,VFB,Q_(ox)/q 和 V_T 等),用以对 MOS 晶体管参数异常进行有效分析。本文给出了用此分析模式编程对 CMOS 产品电容的 C-V 测试分析结果。并简要说明如何利用 C-V 技术分析 PCM 参数异常及电路失效原因。

LB单分子膜中电荷密度的确定

本文介绍了一种新的测定单层LB膜中电荷密度的C-V方法,解决了常规C-V方法的不精确问题。通过对硬脂酸C_(20)H_(40)O_2膜中电荷密度的测定,表明此方法实用可行。

活动轮廓模型综述

基于活动轮廓模型的目标分割、物体跟踪方法是近十几年来图像和视频领域研究的热点,它可以将待处理问题的先验知识与各种图像处理算法有效地融合在一起,比以往的计算机视觉理论有更强的实用性。本文结合图像分割方法从指导思想和所用的数学方法两方面对活动轮廓模型特别是几何活动轮廓模型中基于水平集方法的C-V方法做了一定综述。

基于工业CT的铸件缺陷自动识别

传统的C-V方法基于两个灰度级的缺陷图像目标识别,难以满足多灰度级的缺陷图像目标识别的要求。为了克服这一缺点,通过划分区域和多次运用C-V方法,设计了基于C-V方法的多灰度级缺陷图像目标识别程序。实验结果表明,与传统的C-V方法相比,改进的C-V方法能够识别多灰度级缺陷图像目标,说明了改进的C-V方法的可行性。

夹杂薄板扩展有限元分析

扩展有限元法在分析不连续问题中体现了比常规有限元法的优越性,能够分析规则夹杂的应力问题.然而实际夹杂大都是不规则的,为此,本文通过引进Mum-ford-Shah模型分割不规则夹杂,利用其水平集函数跟踪不规则夹杂的边界,对于任意形状夹杂建立扩展有限元的附加函数.另外,在网格划分时,采用图像像素作为有限单元,最后列举了两个实例.计算结果表明,该方法能够分析多个任意形状夹杂的应力,与常规有限元法比较,该方法的分析结果是精确的、可行的.

基于改进C-V模型超声颈动脉图像内-中膜厚度的测量

颈总动脉内-中膜厚度是心脑血管疾病早期筛查和诊断的主要标准之一。文章提出了一种基于超声图像的颈动脉内-中膜厚度半自动测量方法。最初在相关的颈动脉超声图像中选择感兴趣的区域,然后采用改进的C-V主动轮廓模型算法,在公式中加入局部强度信息,从而实现了图像局部结构的分割。该算法分为两步,第一步利用改进的C-V方法从超声图像中分割腔-内膜边界。在得到腔-内膜边界后,第二步使用类似的方法检测中-外膜边界。成功分割出腔-内膜和中-外膜边界后,可方便地计算内-中膜厚度。实验结果表明该方法可以在较少的人工输入并且不需要任何预处理步骤的条件下准确地测量内-中膜厚度。