基于GVF模型的地物边界边缘优化方法

采用梯度矢量流(GVF)模型对自动提取的地物边界进行优化,可以在一定程度上提高其与实际边界的匹配度,但GVF模型进行边缘优化在计算过程中容易受到周围突变点或突变区域的影响,导致部分点位偏离真实边界。本文对GVF模型进行改进,分别对道路和海岸线边界进行优化,提高提取结果与实际边界的匹配程度。

一种新的基于各向异性扩散的GVF模型

针对传统梯度矢量流(GVF)模型各向同性扩散分割图像时所导致的模糊边缘以及弱边界处的泄漏问题,提出一种新的GVF模型,该模型采用8个方向各向异性扩散策略以保持目标边界,并使用具有较快下降速度的保真项系数来增强Snake进入凹陷部分的能力。理论分析和实验结果表明,新方法能较准确地分割出目标凹陷部分,对于弱边界泄漏具有更强的鲁棒性。

基于小波多尺度分析与GVF Snake的空中目标提取

提出一种新的空中目标提取和识别方法。该方法在运用 Bubble小波对图像进行多尺度分析的基础上 ,引入梯度矢量流蛇形曲线方法对空中目标轮廓进行提取 ,以实现对空中目标的识别。

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.

基于模板和GVF蛇形步态轮廓提取

提出了一种基于模板和改进的gradient vector flow(GVF)分割方法。该方法先手工建立初始化模板,利用初始化模板和分割对象的周期性线性匹配,并基于Chamfer距离寻找最佳匹配模板;把该最优模板轮廓作为改进GVF的初始轮廓,再使用改进的GVF算法分割出对象。该算法仅需建立一次初始化模板,以后具有通用性,而且对于阴影和背景影响有较好的分割效果。对加利福尼亚大学步态数据库研究显示了该方法的有效性。

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。

一种改进的NGVF Snake模型

为解决NGVF Snake模型角点定位精度低和无法收敛到弱边缘的不足,利用GVF场强分布和扩散过程的特性,通过引进两个随空间变化的权重函数,提出了一种改进的NGVF Snake模型.实验结果表明,新模型不仅能保持原GVF Snake模型和NGVF Snake模型捕获区域较大、能很好地收敛到凹陷区域等优点,而且能很好地保护弱边缘和图像细节,提高了图像分割的准确性和分割效率.

基于改进GVF的运动目标提取算法

针对一般梯度矢量流(GVF)分割对连续对象分割效果差、迭代次数较多的缺点,提出一种基于GVF的运动目标提取模型。该模型计算运动目标的大致范围(以矩形框架表示),并利用该矩形框架的限制进行初始化处理,得到初始化轮廓,使用改进的GVF算法提取出对象。对运动目标序列的实验结果表明,该方法可以较大地提高计算速度。

基于GVF Snake模型的骨密度测定研究

目的探讨GVF Snake模型在骨密度测定中的价值。方法本文将GVF Snake模型应用于目标区域分割,并与区域分割法进行对比。结果实验表明梯度矢量流模型有较好的健壮性和实用性,分割结果与实际边界非常吻合。结论GVF Snake模型为一种很实用的分割方法,能够应用在骨密度测定中。

基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的"有效逼近域"内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。

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。

GVF各向异性扩散和冲击滤波耦合的图像放大

提出了一种基于梯度向量流(Gradient Vector Flow,GVF)各向异性扩散和冲击滤波耦合的图像放大算法.该算法模型由边缘停止函数约束的平均曲率流在各向异性的扩散中平滑图像,能去除噪声等的干扰;GVF外力场将图像梯度边缘力场转变为有旋场进而去除图像放大中锯齿效应;数据保真项避免图像因扩散而过度失真,保留图像特征;耦合冲击滤波模型增强图像边缘和细节.实验结果表明,该算法在客观指标和主观效果上均是一种有效的图像放大算法.

基于粒子滤波与改进GVF Snake的人手跟踪算法

为实现在复杂背景下对人手进行准确、快速的位置跟踪与轮廓跟踪,并针对粒子滤波无法获取人手目标的准确信息与人手深凹区域获取难的问题,提出一种基于肤色自适应梯度矢量流主动轮廓(Gradient Vector Flow Snake,GVF Snake)模型的粒子滤波算法实现人手跟踪.该算法首先对粒子滤波得到的人手区域进行肤色灰度增强,弱化背景梯度信息,然后对该区域利用引入自适应梯度矢量流场和肤色自适应外部引导力的GVF Snake模型,获取人手的真实轮廓以及准确的系统观测和系统状态,减少了粒子退化的可能,完成了更加准确的位置跟踪.实验表明:在复杂、运动背景甚至大范围遮挡的情况下,该改进算法获得了更加准确的人手轮廓,同时对人手跟踪的实时性提升了13%,均方根误差降低了48%.

TRACKING DEFORMABLE AND OCCLUDED OBJECTS USING PARTICLE FILTERING AND GVF-SNAKE

An adaptive object tracking algorithm based on particle filtering and a modified Gradient Vector Flow (GVF) Snake is proposed for tracking moving and deforming objects. The original contours of objects are obtained by using the background differencing method,and the true contours of objects can be converged by means of the powerful searching ability of a modified GVF-Snake. Finally,an Energetic Particle Filtering (EPF) algorithm is obtained by combining particle filtering and a modified GVF-Snake,and by using K-means and the EPF algorithm,multiple objects can be tracked. The proposed tracking tactic for partially occluded objects can effectively improve its anti-occlusion ability. Experiments show that this algorithm can obtain better tracking effect even though the tracked object is occluded.

梯度矢量流Snake模型临界点剖析

作为经典Snake模型的一个变体,梯度矢量流(gradientvectorflow,简称GVF)Snake在扩大Snake轮廓的捕捉范围和深度凹陷区域的收敛上具有卓越的性能.但GVFSnake在初始化时存在一个临界点问题:在目标内部的临界点必须在初始Snake轮廓的内部;在目标外部的临界点必须在Snake轮廓的外部.否则,Snake轮廓将不能收敛到正确的结果.对GVFSnake的临界点问题进行探讨,详细分析了临界点的影响因素,指出GVF场只有在合适的条件下才是有效的;证明了相关文献中从粘性流体力学的Navier-Stokes方程来解决临界点问题的理论基础是不对的;还给出了临界点问题的一个简单、有效的解决方案,并用实验证明了其有效性.

图像分割技术在中医舌诊客观化研究中的应用

舌诊是中医四诊的主要内容,是辨证论治的主要依据。客观化研究对中医辨证规范化及中医临床、教学和科研手段的现代化具有重要意义。对舌诊客观化研究中涉及的图像预处理的重要内容——舌体分割提取和舌苔舌质同类区域划分——进行了深入研究,提出了相应算法,通过实验充分证明了算法具有很好的鲁棒性。这给进一步的自动特征提取提供了保障和重要信息。

基于Snake模型的血管树骨架三维重建技术

从两幅不同角度的造影图像实现血管树的三维骨架重建,传统重建方法常常需要较多的人工干预,才能为每一点找到准确的对应点.文中研究了一种基于Snake模型的重建方法.它在采用多尺度Gabor滤波提取造影血管中轴线的基础上,选取血管树分叉点,优化几何变换矩阵,提高用以初始化Snake的对应点的准确性;然后,针对血管的特性,文中采用GVF(Gradient Vector Flow)流量场作为三维Snake的外部能量场,并给出最小化血管Snake模型能量函数的表达式,使Snake保持自身平滑连续的同时在空间中发生形变以逼近真实轮廓.实验结果表明,该方法与传统的重建方法相比,不但减少了人工干预,而且有效地提高了重建精度.

应用梯度矢量流Snake和灰预测的人脸轮廓跟踪

为了提高动态图像序列中人脸轮廓跟踪时梯度矢量流(GVF)Snake算法的实时性,同时解决人脸跟踪中的遮挡问题,提出了GVF Snake和单变量一阶灰色模型GM(1,1)相结合的人脸轮廓提取方法。该方法首先利用人脸运动信息和肤色模型粗略地检测出运动人脸轮廓,然后采用GVF Snake算法将人脸轮廓精确地提取出来,从而有效解决GVF Snake算法的初始化问题。根据人脸轮廓运动的整体性,利用GM(1,1)模型预测人脸轮廓质心的位置,并以预测位置作为GVF Snake的迭代依据,同时将GVF Snake提取的人脸轮廓质心位置作为下一帧图像GM(1,1)模型的预测依据。存在遮挡时,则以GM(1,1)模型预测保持跟踪的连续性。实验结果表明,该算法跟踪的平均时间仅为GVF Snake算法的8.0%,平均跟踪误差仅为GVF Snake算法的31.2%,而且能更好地反映人脸轮廓的运动规律,跟踪实时性强,鲁棒性好。

基于稀疏轮廓点模型的彩色重叠细胞图像分割

根据对细胞轮廓结构的分析,提出了描述细胞轮廓特征的稀疏轮廓点模型.该模型将细胞轮廓划分为强轮廓和弱轮廓2部分,并用一系列稀疏的轮廓点来近似表示细胞轮廓.在该模型的基础上,算法综合了彩色图像处理与灰度图像处理的方法,首先提取细胞与背景交界处的强轮廓作为基准轮廓.然后提出了一种环形动态轮廓搜索算法,沿着基准轮廓搜索位于重叠细胞区域的弱轮廓.经过轮廓搜索算法获得细胞的稀疏轮廓点组成初始轮廓,采用GVF(gradient vector flow)Snake模型进行细胞的精确分割.通过对2个细胞图像数据集的图像样本进行的分割实验验证了算法对于分割单细胞图像、同种颜色重叠细胞图像和不同颜色重叠细胞图像的准确性.

基于颜色、梯度矢量流活动轮廓及支持向量机实现白细胞的提取和分类

提出了一种基于图像技术实现白细胞分类的方法。首先,利用彩色图像的信息转换、距离变换和梯度矢量流活动轮廓(GVF Snake)等方法从血液细胞图像中提取出白细胞;然后,利用细胞核在图像中具有较高颜色饱和度的特点,结合数学形态学和GVF Snake方法从白细胞中精确地提取出细胞核。最后,根据细胞的形态、颜色及纹理特征用支持向量机(SVM)对白细胞进行分类。实验结果表明:在上述图像分割的基础上,基于支持向量机分类器的方法对白细胞进行分类,分类准确度能够达到89.6%。与其他传统的分割和分类的方法相比,本文提出的方法具有一定的优越性。