基于红外图像的GVF Snake轮廓提取算法的研究

针对红外图像目标具有边界模糊不清,区分效果较差的缺点,结合Ostu阈值法和梯度矢量流主动轮廓模型(GVF Snake),提出一种目标轮廓自动提取方法。采用Ostu法先对图像进行分割,然后将得到的边界作为Snake模型的初始边缘轮廓,利用GVF Snake特性将初始轮廓准确地收敛到目标边界。由于Ostu算法具有将目标物体从复杂背景中分割开来的优点,使得在应用GVF Snake模型对复杂图像进行分割时减少了人工的干预。实验证明:该方法运算速度快,能够快速地收敛到目标轮廓,并准确地跟踪目标,具有一定的抗噪能力。

一种新的GVF Snake模型自动初始化轮廓方法

Snake模型已被广泛地应用于数字图像分析和计算机视觉领域。在应用该模型时,初始轮廓不易实现自动化。因此,提出一种改进分水岭算法确定GVF Snake模型初始轮廓的方法。该方法先采用改进的分水岭算法对图像进行预分割,再将得到的边缘作为GVF Snake模型的初始边缘轮廓。实验结果证明:该方法极大地减少了GVF迭代次数,提高了轮廓收敛的速度,并保留了GVF Snake模型的所有优点,为Snake模型自动初始化轮廓提供了一种有效的方法。

GVF Snake模型中一种改进的Canny算法

图像因光照、结构复杂等因素在靠近轮廓内部时存在边界强度大的重边界,采用梯度矢量流(GVF)Snake模型提取此类图像的轮廓时,初始轮廓线会错误地收敛到重边界上,称作分心问题。从GVF场力变化的角度分析迭代次数、边界强度差对分心问题的影响,发现增强GVF边缘图弱边界的强度能使弱边界附近的场力不受重边界的影响。为此,利用经典Canny算法代替传统GVF边缘图的计算方法。针对经典Canny算法丢失弱边界的不足,提出一种改进的Canny算法,将梯度方向作为补偿权重增加梯度幅值。实验结果表明,改进的Canny算法能够较好地保留弱边界,以此算法作为GVF的边缘图可有效解决分心问题,并且相比利用减少迭代次数抑制分心问题的方法具有更好的稳定性。

基于GVF Snake模型的舌体轮廓实时自动提取

正确快速分割舌体轮廓是中医舌诊实时系统的重要前提。针对Snake算法中初始轮廓设置复杂,以及Snake模型因力场迭代次数过多而造成运行时间过长的问题,提出了一种新的舌体轮廓提取方法。该方法首先利用舌体的RGB值的特殊性,提取出增强的舌体区域的大致轮廓,然后计算出增强的舌体区域的梯度矢量流力场,最后根据该GVF力场的分布规律,自动寻找并获取到非常贴近初始轮廓的Snake轮廓线。实验表明,使用该方法,舌体轮廓分割能在2秒钟内完成,满足了中医舌诊系统的实时性。

基于Hough变换和GVF Snake模型的脑肿瘤分割方法

脑MR图像中肿瘤区域的精确分割对后续的治疗与诊断十分关键,提出了一种基于Hough变换定位与遗传算法优化GVF Snake模型的脑肿瘤分割方法。首先,利用Hough变换和阈值处理自动确定肿瘤区域;然后,利用GVF Snake模型对肿瘤区域进行分割;同时,为了防止GVF Snake在分割时易出现局部极小值的问题,进一步利用遗传算法的全局优化特性,对GVF Snake模型分割的结果进行优化。实验结果表明,提出的模型能实现对肿瘤区域的自动定位,同时也避免了GVF Snake模型在分割时易陷入局部最优的问题,使分割的结果更加精确。

结合梯度边缘信息改进的全局阈值法与GVF Snake模型的宫颈细胞图像分割

主要对单个宫颈细胞中的细胞核与细胞质边缘进行精确提取。为了让GVF Snake模型提取出细胞图像边缘,首先需要得到初始轮廓。对于细胞质,通过Otsu法粗分割得到初始轮廓;对于细胞核,由于被分割物体与背景的相对大小差距过大时,Otsu法不能正确地进行分割,因此使用梯度边缘信息改进的全局阈值法粗分割得到细胞核初始轮廓。通过放置精确的初始轮廓,提高GVF Snake的效率和准确度。

超声图像处理中Snake模型研究

Snake模型是一种基于高层信息的有效目标轮廓提取算法,其优点是作用过程及最后结果的目标轮廓是一条完整的曲线,从而引起广泛的关注。鉴于医学超声图像的信噪比较低,用经典的边缘提取算法无法得到较好的结果,因此人们将Snake模型进行了各种各样的改进,并且越来越多地将它运用到医学超声图像处理中来。本文对乳腺超声图像进行阈值分割、形态滤波等一系列预处理后,将改进的Snake模型对乳腺超声图像进行肿瘤的边缘提取,得到了比较好的结果。

基于Snake和外观模板的组合式图像对象分割

针对目前图像对象分割方法对图像的特征提取和抽象度不够,导致分割精度低的问题,提出了基于Snake模型和外观模板的组合式图像对象分割研究方法。该方法将改进的外观模板图像对象分割算法得到的分割结果经过预处理作为改进的Snake模型的图像分割算法的输入初始轮廓进行精确处理。该算法在提升对象分割精度的有效性上达到了96%以上。

基于Snake模型的波门自适应跟踪算法

介绍了波门跟踪的原理以及波门自适应性的需求,结合主动轮廓模型中的GVF Snake模型和自适应分析质心跟踪算法,提出了基于Snake模型的波门自适应跟踪算法,根据Snake模型的收敛轮廓来确定波门位置和大小,由波门内背景像素点所占的比例来决定是否更新波门。通过实验仿真,该算法能够自适应地改变波门的大小,很好地跟踪目标。

运用GVF Snake算法提取水域的不规则边界

在详细介绍GVF Snake原理的基础上,重点对GVF Snake的内、外部约束力在边界提取中的作用以及初始边界对提取结果的影响进行了试验研究,提出了初始边界和内部约束力权值的合理设置方法,设计并实现了交互式GVF Snake算法,用于提取遥感图像上水域的不规则边界。该算法采用种子点区域生长法自动给出水域的初始边界,采用人机交互法设置内部约束力权值,然后运用GVF Snake算法搜索水域的实际边界。试验表明对于形状极不规则的水域,交互式GVF Snake算法也能方便、快速、准确地获取其边界。

一种基于改进的GVF—Snake模型的车辆跟踪算法

提出一种基于改进的 GVF-Snake 模型(基于梯度矢量流的活动轮廓模型)的车辆跟踪算法.该算法利用帧差法自动获取车辆的初始轮廓,通过改进的 GVF-Snake 模型,从车辆视频流中准确提取出车辆的轮廓.为提高计算速度,改进的 GVF-Snake 模型采用贪心算法逐点迭代,并根据控制点的距离,自适应地增删控制点,以适应车辆目标大小变化.在此基础上,应用预测算法对车辆进行快速准确的跟踪.实验结果验证该算法的有效性.

一种稳健的目标提取与跟踪算法

融合了GVF-Snakes算法与基于细粒度的遗传算法,提出了一种稳健的目标轮廓提取与跟踪算法.该算法通过使用边界约束替代能量计算改进了GVF-Snakes算法,降低了算法计算复杂度,提高了它的搜索速度;另外,通过引用细粒度遗传算法来筛选控制点序列,提高了算法对极端凹陷边缘和噪声干扰轮廓的提取能力.通过合成和自然图像的目标轮廓提取和跟踪实验,证明了本文提出的算法具有鲁棒性和精确性.

差分进化算法GVF Snake模型在PET图像分割中的应用

利用PET图像进行诊治时需要对人体病灶精确定位,PET图像中病灶目标区域的分割是早期诊断与治疗的前提和关键。基于传统Snake模型的方法在PET图像分割时存在对初始轮廓过于敏感,难以收敛到目标凹型区域等问题,为此将GVF Snake模型引入PET图像的分割中。为防止GVF Snake模型陷入局部最优,进一步利用差分进化(DE)算法的全局优化特性对GVF Snake模型分割的结果进行优化,提高PET图像分割精度。实验结果表明,该方法能有效地对PET图像中的病灶目标区域进行分割,可避免陷入局部最优且具有良好的实时性。

一种基于脑部肿瘤MR图像的分割方法

针对传统的分割方法难以实现医学图像自动分割和准确分割的问题,提出了一种基于GVF Snake模型的医学图像分割方法。该方法采用Canny算子的边缘检测结果作为GVF扩散方程计算的边缘映射图,提高了GVF Snake模型的抗噪性能;用分水岭算法自动获取的轮廓作为GVF Snake模型分割的初始轮廓,降低了GVF力场计算的复杂性和分割时轮廓线的迭代次数。分析和实验结果表明,采用该方法对脑部肿瘤MR图像进行分割时,能自动准确地分割出肿瘤区域。