改进GAC模型在点云和影像自动提取建筑物边界中的应用

以自动生成测地线活动轮廓(geodesic active contour,GAC)模型的初始曲线及改进其外力为出发点,提出一种基于LiDAR点云和随机影像数据,利用改进的GAC模型进行建筑物边界提取的方案。首先利用形态学交替序贯滤波自动获得模型演化的初始曲线;进而利用LiDAR深度梯度影像改进模型演化的外力,得到了改进的测地线活动轮廓(improved geodesic active contour,IGAC)模型。仿真试验表明,采用IGAC模型,可抑制弱边界泄漏,并提高建筑物边界提取的完整性和形状精确度。

基于Canny算子和GAC模型相结合的影像水边线提取方法

从遥感影像上提取弱边缘水边线是影像特征提取的一个难点。在分析了GAC模型和边缘检测算子在影像水边线提取中的优缺点的基础上,提出了一种将Canny边缘检测结果融入GAC模型重构边界停止函数进行水边线提取的方法。实验结果表明,利用该方法进行海岸带遥感影像水边线提取精度高,速度快,即使是弱边缘水边线或水边线严重凹陷边界,在平滑性和精度上都能达到很好的效果。

基于非线性扩散率归一化的GAC模型图像分割

为了消除主动轮廓模型耗时的重新初始化过程,在分析了主动轮廓曲线演化特性的基础上,引入改进的符号距离函数的约束项到变分GAC模型中,该约束项是一个非线性热方程,通过对非线性热方程扩散率的归一化,使水平集函数始终快速稳定的保持符号距离函数的特性,新算法减少了迭代次数和运行时间。另外,新算法采用灵活的初始化方法和保持曲线二维梯度和散度算子旋转不变性的离散化数值方案,提高了分割算法对模糊边缘的辨别能力。实验表明该方法是有效的,对噪声有很强的鲁棒性。

引入新的停止函数的GAC模型医学图像序列分割

针对GAC模型在低对比度及边缘模糊图像分割中使用传统的边缘停止函数存在的不足,结合图像的区域特征及医学图像序列间的相关特性,通过在边缘停止函数中引入图像的区域特征信息和先验信息,对GAC模型的边缘停止函数进行改进,并应用于医学CT图像序列的分割,达到了较为理想的分割结果。实验表明,在边缘停止函数中引入先验信息并对其表达形式进行改进后,模型的抗噪声性能和分割效率得到了明显提高。

一种结合Snake与GAC模型的虹膜定位方法

为了提高虹膜定位的精度和可靠性,采用改进的Snake模型和改进的GAC模型分别定位虹膜的内外边缘。对于虹膜内边界,在传统的Snake模型的基础上,引入GVF力场代替原有的传统外力场,完成Snake模型对虹膜内边缘的定位。对于虹膜外边界,在传统的GAC模型的基础上,引入非负常数项作为演化收缩力,使其方向指向对象内部,从而实现GAC模型对虹膜外边缘的定位。采用CASIA虹膜库进行了大量实验,结果表明该方法与经典的虹膜定位算法相比,定位速度更快,抗噪性更强,定位更准确。

基于改进GAC模型的柑橘缺陷图像分割方法研究

柑橘表面缺陷的图像分割与识别是水果在收购与销售过程中的重要环节,对于提升水果的品质和经济效益有着重要意义。经典GAC模型算法虽然能够很好的分割平面缺陷,但无法准确的分割图像凹陷区域。以柑橘的虫伤、腐烂、炭疽、蓟马、溃疡5种常见缺陷图像作为研究对象,其中腐烂、炭疽为凹陷缺陷,对传统GAC模型算法进行理论研究并针对其不足提出改进方案。通过对比试验分析各参数对于试验结果的影响,并应用改进后的GAC模型算法对柑橘缺陷样本进行图像分割,分析改进后的GAC模型对柑橘表面5种缺陷的识别能力,验证改进GAC模型的可行性。

推广GAC模型在运动目标分割中的应用

针对视频序列运动目标的分割,研究了传统的运动目标检测算法和基于推广GAC模型的图像分割算法的优势和缺陷,并将二者进行系统的结合,由"粗"到"细"地实现了对运动目标边缘的精确分割。实验表明,算法简单有效,在保证目标分割实时性的前提下,发挥了推广GAC模型在目标分割中的优势。

基于C-V和GAC模型的水平集图像分割

经典的活动轮廓模型主要有基于边界信息、基于区域信息以及两者相结合的活动轮廓模型,而测地线活动轮廓模型即GAC（Geodesic Active Contour）模型和C-V（Chan-Vese）模型分别是基于边界信息和基于区域信息的活动轮廓模型中具有代表性的模型,通过实验表明,两种模型各有各的优点也存在各自相应的局限性,对此该文进行了详细的总结,针对两者的局限性有学者提出两者结合的CV-GAC模型,在该文中进行了三者的实验对比分析,实验结果表明CV-GAC模型取得了较好的分割效果。

基于改进GAC模型的木材表面缺陷图像分割

为提高对木材表面缺陷图像分割的准确率,对木材表面缺陷图像采用传统GAC模型算法和改进GAC模型算法进行多组对比试验,与此同时研究改进算法中迭代步长、迭代次数、常数速度、反差参数等参数对木材表面缺陷图像分割结果的影响。通过试验验证了改进GAC模型算法的可行性、快速性和准确性,能够克服传统的GAC模型欠分割的缺点。

一种改进的GAC模型图像分割算法

在测地线活动轮廓模型(GAC模型)的基础上,引入多尺度扩散张量方法对停止速度场进行张量扩散,然后运用GAC模型对图像进行分割。实验表明,这种方法针对其演化时间长和容易出现边界泄露的问题进行了改进,使其分割效果更为显著。

基于改进的GAC模型的图像分割

利用各向同性非线性扩散的图像滤波,并改进了Li Chunming提出的GAC模型中的边缘函数和Heaviside函数,减少图像弱边缘泄露现象.采用改进后的GAC模型对肺部的CT图片,脑部的MR图片和脊椎的CT图像进行分割,取得了较好的分割效果.

基于改进GAC模型的充电插座定位研究

为了达到机器人自主充电的目的,需要定位墙壁上的充电插座,文章采用一种改进的GAC模型算法对插座图像进行定位,该模型能够克服传统的GAC模型欠定位的缺点。在真实取景的图像中进行实验,实验结果表明,改进的GAC模型算法在插孔定位上具有可行性、快速性和准确性。

基于Markov-ICM与GAC的木材表面缺陷分割模型对比研究

木材缺陷会降低其经济价值,造成资源浪费。机器视觉分割模型对木材表面缺陷进行检测处理可以提高利用率,为了研究不同纹理分割模型的特性,采用Markov-ICM与GAC算法对不同木材表面缺陷进行分割对比研究。基于木材纹理信息数据的研究,对带有缺陷的纹理信息进行分析,对相应的分割模型进行改进。实验表明,改进后的GAC模型可以提高分割的准确性与实时性。

基于改进的GAC模型图像分割算法

针对图像分割中经典GAC模型无法准确分割拓扑结构变化的凹陷目标、容易穿越深度凹陷的弱边缘轮廓和无法准确分割含噪声目标的问题,通过利用图像灰色关联度、类间方差和经典GAC模型构造新能量函数,提出了一种改进的GAC模型,该模型可增强经典GAC模型的边界检测能力,减少分割时间。仿真实验验证了改进的GAC模型的正确性和有效性。

改进GAC模型对深度凹陷、灰度不均匀和弱边界图像的分割方法

针对图像分割中经典GAC模型无法准确分割深度凹陷、灰度不均匀的目标和容易穿越弱边界的问题,提出了改进的GAC模型。利用图像Renyi熵、图像灰色关联度、图像的局部方差信息构造新能量函数,扩大经典GAC模型的边界检测能力。仿真结果表明,改进模型在减少分割时间的同时能够成功分割出目标深度凹陷部分,对弱边界、目标灰度不均匀或背景灰度不均匀也有较好的收敛效果,其分割效果不仅优于CV模型,也优于CV模型的两个最新改进模型(LBF和GACV)。

3种不同模型对木材表面缺陷图像分割算法的比较

木材表面缺陷会严重影响木材的质量和使用价值,因此对木材表面缺陷图像分割的研究有利于提高木材的利用率。本文分别对红皮云杉含有虫眼、活节、死节3种典型木材缺陷的图像采用改进的C-V模型、改进的GVF Snake模型和改进的GAC模型进行分割试验,对3种改进算法的复杂程度、分割时间、分割结果的完整性以及抗噪性进行对比和分析。结果表明,改进的GAC模型算法较为优越,其分割算法简单,运行时间短,缺陷分割效果较好,抗噪性强。而改进的C-V模型算法、改进的GVF Snake模型算法的分割效果和抗噪性最差,不宜作为3种木材表面缺陷图像的分割算法。

关于图像分割的C-V模型改进算法研究

在图像分割中的活动轮廓(active contour)或"蛇"(snake)模型可以将图像分割问题归结为最小化一个封闭曲线的能量泛涵.针对C-V模型中存在的问题,如存在没有明显的边缘,也缺乏明显的纹理特征,GAC模型将难以实现成功的分割等问题,通过对现有各种曲线演化模型比较分析,得出一个图像全局信息和符号距离函数的能量泛涵模型.该模型综合了经典几何曲线模型与C-V模型的优势,同时通过引入惩罚项,无需重复更新曲线初始化,并加大时间步长的选择.该模型比传统的C-V模型在收敛速度和精确度上都有了很大的提高.

四叉树与多种活动轮廓模型相结合的遥感影像水边线提取方法

通过对测地线活动轮廓(GAC)模型、Chan-Vese(CV)模型、局部二值拟合(LBF)模型的分析,将基于边缘和区域的活动轮廓模型以及基于四叉树的影像分割方法有机结合,提出了一种基于四叉树和多种活动轮廓模型的水边线提取方法。该方法首先对影像进行四叉树分割,为模型演化提供初始轮廓;然后利用CV模型的全局区域图像统计信息和LBF模型的局部区域图像统计信息构造新的符号压力函数,利用改进的符号压力函数代替GAC模型的边界停止函数,有效地改善了GAC模型提前停止演化和过度演化的问题;最后采用二值选择和高斯滤波正则化水平集方法(SBGFRLS)进行演化,避免了重新初始化和规则化,提高了水平集演化的效率。试验结果表明该方法对于包括弱边缘和严重凹陷边缘的水边线提取效果均良好,具有亚像素提取精度,并且提取速度快、稳定性好。

采用测地线活动轮廓模型检测与跟踪运动目标

水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.

基于高斯核函数的变分水平集模型研究及应用

基于测地线活动轮廓(GAC)模型的变分水平集方法在图像分割领域目前应用较多,但其结果会受到图像边缘因子g的影响,基于这一点考虑引入了高斯核函数的平滑预处理,以减小其对曲线轮廓活动结果的影响。实验证明,该方法对两相灰度图像具有较好的分割效果。