Discharge area segmentation of power equipment in UV image based on GVF snake model

The dynamic transmission characteristics and the sensitivities of the three stage idler gear system of the new NC power turret are studied in the paper. Considering the strongly nonlinear factors such as the periodically time-varying mesh stiffness, the nonlinear tooth backlash, the lump-parameter model of the gear system is developed with one rotational and two translational freedoms of each gear. The eigen-values and eigenvectors are derived and analyzed on the basis of the real modal theory. The sensitivities of natural frequencies to design parameters including supporting and meshing stiffnesses, gear masses, and moments of inertia by the direct differential method are also calculated. The results show the quantitative and qualitative impact of the parameters to the natural characteristics of the gear system. Furthermore, the periodic steady state solutions are obtained by the numerical approach based on the nonlinear model. These results are employed to gain insights into the primary controlling parameters, to forecast the severity of the dynamic response, and to assess the acceptability of the gear design.

边缘检测和Snake Model结合的轮廓识别

基于主动轮廓识别和被动轮廓识别方法各自的优缺点,提出结合主动和被动的方法,先对图像进行被动轮廓的预处理,然后再应用主动轮廓的方法,通过比较选出Canny算子进行预处理,再通过基于概率的方法分割图像,最后再应用Snake模型进行轮廓提取。并取得较好的应用。

Snake模型综述

基于轮廓线模型的目标分割、物体跟踪方法是近十几年来图像和视频领域研究的热点。因为轮廓线模型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,所以比以往的计算视觉理论具有更强的实用性。虽然很多模型算法已经和最初的Snakes大相径庭,但它们的指导思想却是一脉相承的。该文以Snakes模型为基础,系统地介绍了轮廓线模型的发展脉络和各种最新成果。

基于Snake模型与角点检测的双果重叠苹果目标分割方法

为了实现重叠苹果目标的精确分割,提出了一种Snake模型与角点检测相结合的重叠苹果目标分割方法。该方法首先利用Snake模型得到重叠苹果目标的轮廓,接着采用提出的基于距离测度的角点检测算法寻找重叠苹果目标的角点,针对距离扰动产生伪角点的问题,采用3级db1小波变换得到不含细节信号的近似距离信号,并通过Spline样条内插算法使其恢复到原始信号的长度,从而去除伪角点,最后提出了一种基于长轴分割准则的分割点选取方法并实现了重叠苹果目标的分割。为了验证算法的有效性,利用20幅重叠苹果目标进行了试验,并与人工计算得到的分割线进行了对比,试验结果表明,利用文中算法分割重叠苹果目标的最大误差为13.27°,最小误差为1.20°,平均误差为6.41°,表明Snake模型与角点检测算法相结合对重叠苹果目标具有较好的分割性能,将该方法应用于重叠苹果目标的分割是可行的。

基于Snake模型的图像目标轮廓自动跟踪方法

针对实验数据像素灰度的分布特点 ,提出了一种对目标轮廓线进行有效和可靠的搜索和跟踪策略 .由于数据中病变组织与其邻近组织像素灰度差别相对明显 ,首先通过采用一种改进的轮廓自动跟踪方法对目标轮廓进行跟踪 ,将得到的轮廓线经采样得到其离散控制点作为Snake轮廓搜索和跟踪算法的输入 ,既克服了Snake方法对初始轮廓线控制点分布的局限性 ,又避免了采用单一轮廓跟踪方法跟踪目标轮廓线的不确定性 ,提高了分割病变组织的速度和准确性 。

基于Snake模型的B超心脏图像的腔体分割及算法研究

采用一种Snake模型 ,针对B超心脏图像的高噪声 ,选择并改进与之适应的去噪技术和边缘算子等预处理 ,完成对心室心房的分割 ,从而为提高心室、心房的定量分析精度有重要意义 .

一种具有向心力的新型Snake算法

动态轮廓模型（ Snake算法）是一种较好的目标轮廓检测方法。但是传统的 Snake算法在对其能量函数进行优化时，不能检测多目标、血管内轮廓和凹形轮廓。文章首先对图像进行自动 Snake初始化，然后在 Snake的成长过程中加入向心力因子。实验结果表明，新的算法能够检测多目标、血管内轮廓和凹形轮廓，优于传统的 Snake算法。

基于Snake模型的图像分割技术

基于Snake模型的图像分割技术是近年来图像识别、图像分割和视频领域研究的热点之一。Snake模型承载上层先验知识并融合了图像的底层特征,能有效地应用于医学图像的分割中。以基本模型的指导思想为依据,进化模型以及改进算法得到广泛的研究。介绍了Snake模型的图像分割方法,并重点梳理了最新的研究成果,力求把握模型的发展脉络。

一种基于遗传算法的双T-Snake模型图像分割方法

Snake的初衷是为了进行图像分割,但它对初始位置过于敏感,且不能处理拓扑结构改变的问题。初始位置的敏感性可以用遗传算法来克服,因为它是一种全局优化算法,且有良好的数值稳定性。为了更精确地进行图像分割,本文提出了一种基于遗传算法的双T-Snake模型图像分割方法,它将双T-Snake模型解作为遗传算法的搜索空间,这既继承了T-Snake模型的拓扑改变能力,又加快了遗传算法的收敛速度。由于它利用遗传算法的全局优化性能,克服了Snake轮廓局部极小化的缺陷,从而可得到对目标的更精确的分割。将其应用于左心室MRI图像的分割,取得了较好的效果。

Snake与多尺度分析的医学图像分割研究

为提高分割精度,提出Snake与多尺度分析相结合的医学图像分割方法。根据先验知识给定图像一个初始的粗略轮廓,然后对图像进行多尺度增强,在不同的尺度下应用Snake算法进行轮廓提取,相当于在曲线的收敛过程中进行了修正,从而使得轮廓在不同的尺度中逐渐优化,分离出精确的轮廓。实验结果表明,该方法是有效的,对医学图像分割的精度优于传统的Snake模型。

基于局部统计特征约束的Snake模型图像分割方法

针对血管内超声(IVUS)图像边界模糊不清的问题,提出一种基于局部统计特征约束的Snake模型图像分割方法.首先利用IVUS图像的先验知识建立图像特征的统计信息,并以此信息构造变化的膨胀力,同时构造了轮廓曲线的内部平衡力,以此构造新的Snake模型,然后利用该模型进行图像分割.实验结果表明,该Snake模型对初始轮廓依赖性小,对噪声不敏感,能准确分割出具有模糊边界的目标图像.

基于径向边缘检测和Snake模型的舌像分割

舌像分割中嘴唇和舌体部分的纹理和颜色比较接近,直接采用Snake方法提取舌体轮廓很难得到理想的轮廓。本文提出一种结合径向边缘检测与Snake模型的分割方法,首先使用径向边缘检测得到初始轮廓,使用色彩对消消除嘴唇影响,最后用Snake获取舌体轮廓。实验表明该算法取得较好的分割效果。

GVF Snake模型在木材表面缺陷分割的应用研究

针对木材表面存在纹理、凹凸结构、边缘颗粒和弱边缘等特点,对其直接运用Snake模型进行分割难以得到有效边缘提取,因此提出运用改进的GVF Snake模型和维纳滤波相结合对其进行分割。首先对木材图像进行维纳滤波使得纹理变得平缓,同时可以使得缺陷边缘得到有效保留,再对其进行GVF Snake模型分割。该算法对初始轮廓的选择敏感度降低,拓展性增强,可以使得轮廓曲线更加快速地收敛到缺陷边缘,避免陷入局部最优现象,提高对弱边缘和凹凸图像分割效果,分割结果更加清晰、连贯,具有良好的实时性。为木材表面缺陷的分割提供一种更为有效的方法,拓宽了snake模型的应用范围。

中心线模式Snake算法对细长目标的提取

针对有强干扰的细长目标提取,本文提出用中心线和宽度曲线演化来提取目标的Snake算法,该算法利用细长目标关于中心线对称的特性,用中心线和宽度曲线两个一维函数代替表示目标边缘的二维函数,通过控制这两个一维函数的形变来使Snake模型能量最小,达到准确提取目的。算法还利用了边缘强度对称性,增加图像力加权函数,能快速避开非对称性边缘的干扰,减少迭代次数。新算法减少控制点数量,降低计算规模,能更快获得结果,能实现全自动分割。实验结果表明该算法具有较强的抗干扰性,能使分割细长目标效果良好。

基于Snake模型的病变CT肺部图像分割

传统的肺实质分割算法大多基于阈值法、区域增长、边缘提取以及形态学等方法,这对健康肺部CT图像可以得到比较理想的分割结果,但临床上所面临的CT图像大多具有各种病变,严重时会导致肺实质大面积缺失或呈区域性离散块状,这使得传统的肺实质分割算法效果不理想。为此,提出一种以生理解剖学知识为基础并基于Snake模型的肺实质分割算法。通过多组CT图像实验表明,无论肺内有无病变,该算法对CT肺部图像分割效果理想,而且速度快、完全自动。

一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法

提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow,EDGGVF)Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。

对复杂边缘检测的Snake改进算法

针对Snake原始模型对包含凹陷形状目标或信噪比较低的图像边缘检测结果差的问题,通过对复杂形状目标及含噪声图像的特性研究,从能量函数和迭代策略两个方面对Snake原始模型进行改进,增加了新的控制能量,并对各能量因素的影响权值进行了讨论,同时对蛇点采用了动态分布方法,以适应不同的目标形状特性.仿真结果表明,改进后的Snake模型较原始模型大大减弱了对蛇点初始位置的依赖,并在一定程度上有效地克服了图像噪声对迭代算法的影响,提高了对复杂目标的边缘检测性能.

基于GVF Snake模型的步态识别轮廓提取

步态识别作为一种新的生物识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态特征提取是步态识别的关键步骤。采用背景消减法与对称差分法相结合对运动人体分割,采用改进的GVFSnake模型对人体运动步态轮廓进行边缘提取。实验结果表明该方法能准确高效地提取边缘特征作为步态识别的特征。

结合角点信息GVF Snake模型的图像分割方法

GVF Snake模型在边缘检测和图像分割中应用广泛.GVF Snake模型相比于传统的Snake模型有更大的捕捉区域和更好的分割性能.然而,GVF Snake模型在分割带有尖角的目标时曲线很难收敛到尖角处.针对GVF Snake模型的不足之处,本文提出角点信息和GVF Snake模型相结合的图像分割方法.首先,运用基于边缘轮廓曲率的角点检测方法,检测出图像中的真实角点,局部修正GVF场,然后结合角点信息给出局部角点力,最后将角点力与修正后的GVF场相结合的得出一种新的外力.实验证明,本文改进的GVF Snake模型能够更好的收敛到图像的尖角处.

基于改进的GVF Snake模型CT图像轮廓提取技术

CT图像轮廓提取是逆向工程中的关键技术之一,由于基于边界检测算法很难提供一条连续的无间断的边界轮廓。采用一种改进的GVFSnake算法,首先通过人工取点,B样条拟合的方法,提取其初始轮廓,再利用改进的GVFSnake方法进行边界轮廓逼近,以获得比较精确的叶片边界轮廓,克服了传统活动轮廓模型梯度势能场捕捉范围小的缺点,并通过实验证明了该方法的有效性。