New edge detection method for high-resolution SAR images

A new edge detection method combining the scanning window central edge （SWCE） detector and an improved active contour model is proposed. The method first emploies the SWCE detector based on the difference of area pixel value means to perform an optimal edge detection, and then proposes an improved active contour model with modified energy functions to refine the location of the edges. The initial nodes of the improved active contour model are automatically found from the vectorised results of the SWCE detector. Tests on simulated speckled images and real airborne SAR images show that the combined method can benefit from the advantages of the both techniques and get satisfactory edge detection and localization abilities at the same time.

基于YOLOv8改进的脑癌检测算法

自动检测脑部肿瘤在磁共振成像中的位置是一个复杂、繁重的任务,需要耗费大量时间和资源。传统识别方案经常出现误解、遗漏和误导的情况,从而影响患者的治疗进度,对患者的生命安全产生影响。为了进一步提高鉴定的效果,引入了4项关键改进措施。首先,采用了高效的多尺度注意力EMA(Efficient Multi-scale Attention),这种方法既可以对全局信息进行编码,也可以对信息进行重新校准,同时通过并行的分支输出特征进行跨维度的交互,使信息进一步聚合。其次,引入了BiFPN(Bidirectional Feature Pyramid Network)模块,并对其结构进行改进,以便缩短每一次检测所需要的时间,同时提升图像识别效果。然后采用MDPIoU损失函数和Mish激活函数进行改进,进一步提高检测的准确度。最后进行仿真实验,实验结果表明,改进的YOLOv8算法在脑癌检测中的精确率、召回率、平均精度均值均有提升,其中Precision提高了4.48%,Recall提高了2.64%,mAP@0.5提高了2.6%,mAP@0.5:0.9提高了7.0%。

基于超像素分割算法的景观边缘提取仿真

由于遥感图像景观边缘具有复杂非线性结构,受光照与场景影响,使得图像边缘存在极多样化纹理和噪声,导致景观边缘难以捕捉。于是提出基于超像素分割算法的景观边缘提取方法。采用超像素分割算法,将图像映射至CIE-LAB(International Commission on Illumination-Lightness-L*A*B)色彩空间中,利用最小化梯度,将超像素置于梯度对应区域中,获取标准化度量,将水平与垂直梯度加入特征矢量中,组建景观弱边缘超像素分割模型,分割景观弱边缘超像素,利用高斯滤波器,模糊处理超像素分割结果,构建能量函数,通过迭代处理,实现景观边缘提取。实验结果表明,所提方法能准确分割显著边缘与细节边缘,精准提取景观边缘,且边缘线连贯、平滑,有效避免了伪轮廓问题,对实现城市与景观的合理规划具有较高的实际应用价值。

基于主动轮廓模型的红外图像轮廓提取算法

针对主动轮廓模型存在的对初始轮廓位置敏感、凹性目标轮廓无法正确收敛等问题,本文将自适应边缘检测和主动轮廓模型相融合,提出一种改进的红外图像目标轮廓自动提取算法。首先,采用最大类间方差法计算红外图像边缘检测算法的自适应阈值,获取目标初次边缘,降低对初始轮廓位置的敏感性;对初次边缘分别进行横向与纵向填充,填充图像相与运算,对得到目标区域提取二次边缘,将其作为主动轮廓模型的初始轮廓,保证目标凹陷区域轮廓的有效收敛。最后,通过仿真分析验证了该方法能够实现红外目标轮廓的精确自动收敛。

基于二进小波变换的SAR图像湖岸线提取

本文阐述了一种基于二进小波变换的从SAR图像中提取湖岸线的方法。该方法首先利用边缘和 噪声的奇异性在二进小波变换中随尺度变化具有不同的传播规律来检测边缘点,然后利用基于梯度矢量流 的主动轮廓模型进行边缘点的连接。实验结果证明,这种方法可以有效的消除SAR图像中存在的斑点噪声 对边缘提取的影响,准确的提取湖岸线。

基于几何形变模型的三维肺血管图像分割方法

肺血管分割一直是重要而困难的工作,因此,提出了一种新的基于几何形变模型的三维肺血管图像分割方法。现有几何形变模型方法仅仅包含了图像区域与边缘属性中的一种,而新方法能够同时包含上述两种图像属性。首先,定位血管内外同质区域;然后,通过目标边缘能量的计算使曲面沿着图像梯度方向的二阶导数进行演化,以使其精确收敛到目标边缘;最后,根据上述步骤,建立三维血管分割形变模型。通过多组CT图像的实验表明,该方法快速、准确,对背景噪声具有较好的适应性。

基于改进主动轮廓模型的注塑制品轮廓提取

注塑制品边缘轮廓提取是实现注塑制品边缘缺陷检测的重要前提,主动轮廓模型为注塑制品边缘轮廓提取提供了思路.本文结合注塑制品特点,提出改进的主动轮廓模型方法.该方法充分利用先验知识,提出初始轮廓确定方法;综合参数主动轮廓模型与几何主动轮廓模型的思想,提出控制点搜索方法;针对传统参数主动轮廓模型不能实现曲线拓扑的问题,采用控制点与样条的形式表述制品轮廓,提出插值准则,噪声控制点抑制准则以及控制点压缩方法.实验结果证明,该方法能够快速,准确的实现对具有待检测制品位于图像的中心附近,且待检测制品的中心在制品内部的注塑制品边缘轮廓提取。

基于主动轮廓模型的医学图像边界跟踪

提出了一种基于主动轮廓模型的医学图像三维重建目标区域的边界轮廓跟踪方法 ,该方法能够在多区域轮廓内外邻接的情况下保证轮廓跟踪的逻辑正确性 ,并且可以在轮廓成长过程中 ,主动定义非均匀分布的轮廓关键点以及利用参数交互决定轮廓跟踪的精度 ,从而使跟踪结果合理 。

基于梯度矢量流和主动轮廓模型的海陆边界提取

利用边缘检测与主动轮廓模型组合的方法可提取海陆边界线,但易受轮廓跟踪的缺点的影响.在该方法的基础上,利用边缘检测与梯度矢量流的有向力作用生成初始轮廓线,再使用主动轮廓模型对初始轮廓线进行调整,得到精确的海陆边界.实验证明该方法可简便地生成有效的初始轮廓线并准确提取海陆边界,避免使用轮廓跟踪法.该方法可利用GIS数据辅助以简化提取流程.

基于小波变换和梯度矢量流Snake模型的ERS-1 SAR图像的海岸线探测

利用合成孔径雷达来探测海岸线对船舶导航有重要意义。阐述了1种基于二进小波变换的从SAR图像中提取海岸线的方法。该方法首先利用在二进小波变换中边缘和噪声的奇异性随尺度变化具有不同的传播规律来检测边缘点,然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接。实验结果证明,这种方法可以有效地消除SAR图像中存在的斑点噪声对海岸线提取的影响,能准确地提取海岸线信息。

基于水平集的前列腺磁共振图像分割方法研究

基于前列腺磁共振图像(MRI)特征信息及其病变好发特定区域等先验知识,针对前列腺内外轮廓全分割问题,提出基于边缘距离调整水平集演化(DRLSE)的前列腺MRI两步分割方法。在构建统一水平集能量函数的基础上,第1步基于前列腺MR的T1(纵向弛豫时间)图像实现其外轮廓分割,第2步在外轮廓约束限定条件下,基于前列腺MR的T2(横向弛豫时间)图像实现前列腺的内部轮廓分割,进而完成前列腺内外轮廓的全面有效分割。设计了前列腺分割的人机交互界面,对10个前列腺病例MR图像(含正常、增生和癌变共30幅)进行了分割实验研究,并采用Dice相似性系数(DSC)对分割结果进行评价分析,DSC值达到90%以上。实验结果表明,所提出的基于边缘DRLSE的前列腺MRI两步分割方法能够有效地实现前列腺内外轮廓的全面分割,非常接近于临床专家手动分割的理想结果,对前列腺疾病的临床诊断和治疗有较好的参考价值。

基于GVF-Snake人体轮廓提取的优化算法

通过分析基于边缘、区域分割和形变模型等3类轮廓提取算法,提出一种分别对三者进行优化综合的基于梯度矢量流-主动轮廓模型(GVF-Snake)的人体轮廓提取优化算法。利用内嵌置信度边缘检测得到理想边缘图,通过形态学方法提取物体粗略轮廓作为GVF-Snake模型的初始轮廓。采用优化GVF-Snake模型提取精确轮廓。将上述方法应用于人体图像轮廓提取,实验结果表明,该方法达到了预期目的且具有较好的实用性。

一种新的FAST-Snake目标跟踪方法

提出一种新的FAST-Snake目标跟踪方法,利用改进的FAST角点特征匹配来估计目标轮廓在帧间的全局仿射变换,将投影轮廓点作为Snake模型的初始化轮廓.为提高跟踪实时性,在Snake能量模型中定义了先验约束能,并用限定搜索方向的贪婪算法(Greedy algorithm)实现局部轮廓优化.实验包括三维目标数据库及真实场景视频,验证了提出方法的均方误差(Mean square error,MSE)及收敛速度评估均优于对比算法,并具备对复杂运动及局部遮挡的适应能力.

基于几何主动轮廓模型的图像分割方法

为改善传统水平集方法对初始轮廓极其敏感、对复杂图像分割不准确的缺陷,提出一种改进的几何主动轮廓模型分割新方法,构造了新的边缘终止函数,在曲线演化过程中应用可变权系数,算法不依赖轮廓的初始位置,演化曲线也能快速地转化为目标边界.此外,该方法可以识别包含内边界的对象,多目标与尖角边界分割结果理想,可应用到医学图像分割.仿真表明:分割结果的J系数在0.91以上,D系数不低于0.95,算法准确性高.

基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取

血管内超声(IVUS)图像冠状动脉血管壁的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。本研究提出了一种用于自动提取IVUS序列图像冠状动脉血管壁内、外膜边缘的方法。该方法基于活动轮廓模型以及本研究所定义的边缘对比度特征量,利用Hopfield神经网络并结合模拟退火算法自动提取IVUS序列图像冠状动脉血管壁的内、外膜边缘。实验结果表明,本研究方法易于实现,而且准确性和可靠性较高,对IVUS序列图像处理的可重复性和鲁棒性较好,是一种较好的全局最优化算法。

活动轮廓模型在重叠藻细胞计数中的应用

针对重叠藻细胞显微图像的计数问题,提出一种基于活动轮廓模型的重叠藻细胞自动计数方法。对重叠藻细胞显微图像进行预处理,标记连通域,提取并处理局部图像,采用活动轮廓模型算法提取重叠藻细胞边缘,同时进行边缘分析和计数。与传统分水岭算法相比,该计数方法不直接进行重叠藻细胞分割,可以消除因直接分割时过分割与欠分割导致的计数误差,提高重叠藻细胞计算准确度。实验结果表明,该方法对重叠藻细胞的计数准确率高于90%。

基于区域粗定位与Chan-Vese主动轮廓模型的MAG焊视觉图像熔池边缘提取

对基于熔化极气体保护(Metal active gas,MAG)焊的管道打底焊过程中通过电荷耦合器件(Charge-coupled device,CCD)摄像机与复合滤光技术组成的光学系统实时采集的正面焊缝区域图像进行分析,实现熔池图像边缘提取。对获取的焊缝区域图像,经过高斯平滑后,考虑到初始轮廓对Chan-Vese主动轮廓模型提取边缘效率的影响,使用基于阈值的方法,用矩形标出熔池的初始区域,即实现熔池区域粗定位,求取矩形区域中心,以该中心设定一椭圆作为熔池初始轮廓,使用Chan-Vese主动轮廓模型提取熔池边缘。借助该模型实现了MAG管道打底焊焊缝区域图像的熔池边缘提取,与Sobel变换等方法比较,该方法提高了熔池边缘提取的精度。

一种改进型多尺度DDCM主动轮廓模型边界检测算法

尽管主动轮廓模型 (Active contour model) ,或称 Snakes,近年来已经在计算机视觉和图象处理领域得到了广泛的应用 ,尤其在边界检测方面也表现出良好的性能 ,但是由于传统的 Snakes图象边界检测对初始轮廓线的位置十分敏感 ,因而限制了它的更广泛应用 .为了克服这一问题 ,提出了一种改进型多尺度 DDCM主动轮廓模型的边界检测算法 ,该算法是首先通过分阶段改变轮廓曲线的内力 ,使轮廓曲线的曲率能自适应地进行多尺度调整 ,进而改变了轮廓线的柔性和刚性 ,使之能够更好地与目标边界匹配 .实验结果证明 ,该算法在计算速度和边界检测精度上 ,均优于传统的主动轮廓边界检测算法 ,因而具有一定的实用价值 .

一种血管内超声图像边缘提取方法

血管内超声(IVUS)图像的冠状动脉血管壁内、外膜边缘提取对冠脉疾病的诊断和治疗有着重要意义。针对实际IVUS图像血液斑点噪声比较严重的情况,提出一种基于超声序列图像斑点噪声抑制和活动轮廓模型(Snake模型)的IVUS图像边缘提取方法。首先采用一种时/空滤波方法对IVUS图像进行降噪预处理,该方法能够有效地抑制IVUS图像的血液斑点噪声;然后基于Snake模型和图像的统计特征自动提取冠脉血管壁内、外膜边缘。实验结果表明,本算法简单,准确性较高,对序列图像处理的可重复性和鲁棒性较强,是一种较好的全局最优化算法。

结合自适应变化停止函数的边缘活动轮廓模型

在基于边缘的活动轮廓模型中,边缘停止函数的选择将直接影响模型的分割效果。传统的边缘停止函数仅仅是基于梯度模型建立的一个单调递减的正函数,基于这种边缘停止函数的活动轮廓模型存在两个缺点:一是对噪声比较敏感;二是对灰度不均图像分割不准确。为此,提出一个自适应变化边缘停止函数。实验表明,使用该边缘停止函数构造的边缘活动轮廓模型能够较好地克服上述不足。