顾及轮廓信息和DRLSE模型的遥感影像瞬时水边线快速提取

针对利用传统瞬时水边线提取方法处理高分辨率遥感影像存在提取结果不连续、效率不高和无法同时提取多片水域等问题,提出了一种顾及轮廓信息和距离正则化水平集演化(distance regularized level set evolution,DRLSE)模型的遥感影像瞬时水边线快速提取方法,并将其应用于福建泉州附近海域瞬时水边线提取。首先,使用DRLSE模型提取地物轮廓信息,以解决经典阈值方法水边线提取结果不连续问题;其次,利用DRLSE模型的初始矩形轮廓中心位置和周长信息,对噪声点等轮廓进行自动剔除,并提取多片水域,以提高瞬时水边线提取后处理效率。研究结果表明:相较于泛洪算法、Canny算子和CV(Chan-Vese)模型,应用本方法进行大陆海岸线瞬时水边线提取更高效,且提取结果连续、精度更高。

基于DRLSE模型的SAR溢油提取方法

为提高海上溢油轮廓SAR提取精度,验证了FCM(Fuzzy C-Means Algorithm)与DRLSE(Distance Regularized Level Set Evolution)模型结合的方法提取SAR溢油信息的有效性;鉴于其无法避免细小噪音的影响以及薄油膜提取效果不好的问题,提出了阈值和DRLSE模型结合的溢油信息提取方法,通过阈值构建溢油区域初始轮廓,克服了图像细小噪声对溢油提取的影响,更有利于提取薄油膜信息,溢油提取精度优于H/A/alpha-Wishart非监督分类方法和FCM与DRLSE模型结合的方法。

结合空间域模糊聚类与DRLSE模型的颅脑出血CT图像分割

针对颅脑出血CT图像中存在出血病灶不明显、边界不规则、不连续及含有高噪声现象,提出一种结合空间域模糊聚类与DRLSE模型算法,用于脑CT图像出血病灶区分割。首先,采用基于空间域信息的模糊C-均值聚类算法对出血CT图像初始聚类分割,然后,利用模糊聚类结果对距离规则化水平集演化(Distance Regularized Level Set Evolution,DRLSE)模型初始化。新算法引入了图像空间域信息,不需要手工初始化,DRLSE模型使曲线精确、稳定的演化。实验结果表明,与传统的FCM算法、阈值分割算法相比,该算法具有更好的分割效果、更快的分割速度、更强的鲁棒性和抗噪性。

基于CV模型和DRLSE模型的甲状腺结节分割

针对CV模型无法分割灰度不均匀图像,而DRLSE模型对弱边界的分割效果不佳的问题,提出了一种结合局部和全局信息的水平集分割方法。实验结果表明,文中模型不仅能处理灰度不均匀图像,而且对弱边界结节也能正确分割。

基于改进DRLSE模型的甲状腺3D超声图像自动分割

从超声图像中准确分割甲状腺区域是甲状腺疾病手术计划的关键之一。本文一方面,针对甲状腺超声3D图像,提出利用边缘指示函数和面积项系数改进的距离正则化水平集演化(Distance Regularized Level Set Evolution,DRLSE)模型来实现甲状腺区域的有效分割;另一方面,根据3D超声图像相邻帧之间甲状腺变化较小的特点,通过计算已分割图像的质心,作为相邻帧图像分割初始点来实现3D图像的自动分割。实验表明,采用本文改进DRLSE模型分割甲状腺3D超声图像,平均分割精度可以达到90%以上。

基于改进DRLSE模型的焊接缺陷特征提取方法

目的针对目前大多数焊接缺陷自动特征提取方法存在的准确度较低的问题,研究满足准确度要求的X射线图像中焊接缺陷特征提取方法。方法对图像进行增强去噪预处理后,在初步确定焊缝区域的基础上,根据焊缝图像列灰度值曲线梯度特性,设计基于灰度值梯度的焊缝边界精确提取算法;以提取得到的焊缝精确边界为初始轮廓,提出基于改进DRLSE模型的焊接缺陷特征提取方法。结果基于改进DRLSE模型的焊接缺陷特征提取方法能够有效地提取气孔、夹渣、未熔合和未焊透等缺陷特征,准确率达到94.6%。结论所提方法克服了原始焊缝X射线图像质量较差、背景复杂的问题,能够精确提取焊缝区域边界,并准确地对各种焊接缺陷进行特征提取,具有较强的适应性和实用性。

基于相位一致性改进的DRLSE超声图像分割模型

针对距离正则化的水平集演化(the Distance Regularized Level Set Evolution Mode,DRLSE)模型难以处理弱边缘图像、演化效率低问题,提出一种新的基于相位信息的水平集超声图像分割算法(the Distance Regularized Level Set Evolution Mode Based on Phase Congruency,PDRLSE)。该算法利用相位一致性检测原理,构造新的边界指示函数,代替了DRLSE模型中的边界停止函数,得到新的能量泛函。实验结果表明:该方法在分割超声图像时,能够较好的分割出甲状腺肿瘤目标,且演化效率也有所提高。

一种基于相位信息的图像分割改进模型

近年来,因水平集分割模型可根据不同图像、不同目的需求,设计相应的能量泛函,产生鲁棒的分割结果,且算法灵活、稳定,备受海内外学者的关注,涉及的领域也越来越广。然而,水平集分割方法处理对比度低、模糊边缘且受噪声干扰的图像也难以实现精确分割。从相位角度出发,在DRLSE(distance regularized level set evolution)算法的基础上,在其能量泛函中引入一个新的边缘定位能量项,重构边缘检测函数代替原模型中的检测函数,使之达到较理想的图像分割效果。仿真实验结果表明:与GAC模型、DRLSE模型相比,改进后的DRLSE图像分割模型对图像噪声的抑制能力和图像弱边缘的捕捉能力有了显著的改善,且算法稳定、有效,可适合于医学图像分割。

基于符号压力函数驱动的活动轮廓图像分割

针对用于图像分割的距离正则化水平集演化模型(DRLSE)具有初始化曲线不灵活,曲线演化方向不具有自适应性等缺点,提出一种新的活动轮廓模型。构造一个融合了局部信息和全局信息的符号压力函数(SPF),并证明SPF能够调节目标区域内外的压力符号;把SPF融入到DRLSE模型,从而解决初始化曲线必须设置在目标边缘的内部或者外部的问题。实验结果表明,新模型的初始化曲线可以置于图像的任何地方,能有效分割亮度不均匀和弱边缘图像,也能有效的分割包含多目标物体以及深度凹陷区域的图像。

一种改进的边缘停止函数图像分割方法

在基于边缘的几何活动轮廓模型中,边缘停止函数的选择会影响图像的分割效果,根据边缘停止函数的性质,提出一个新的边缘停止函数,代替GAC模型和DELSE模型中的边缘停止函数。实验结果表明,在图像背景灰度均匀和灰度不均的图像分割中,文中提出新的边缘停止函数在迭代次数和分割效果方面,都优于原来的边缘停止函数,能够实现准确分割。