一种自动初始化水平集的高频能量最小化三维分割模型

序列图像分割是医学图像三维重建的重要研究内容,但受成像技术限制,医学图像中往往包含大量低频信息,如偏移场、灰度不均等,影响分割准确性。从频域进行图像分割能有效避免低频信息干扰。在高频能量最小化分割模型基础上进行优化,设计了一种自动初始化水平集的分割模型并成功应用于三维分割领域。首先,使用形态学腐蚀方法进行粗分割,将提取出的三维曲面作为初始水平集,实现初始水平集轮廓面自动化;然后使用衍化后的水平集三维分割模型对其进行细分割。实验结果表明,采用该模型能够实现多目标分割,与原模型、Chan Vese模型相比,分割结果更加准确。     

改进的变分水平集演化的图像分割算法

提出了一种改进的变分水平集分割算法。引入演化曲线内外灰度图像的中值代替传统CV(Chan_Vese)模型中的均值作为曲线拟合中心。在轮廓初始化后,采用最大类间方差(OTSU)方法改进曲线拟合中心,将最大类间方差与拟合中心结合,提高分割的准确率和适应性。加入双阱势的距离正则项以避免水平集重新初始化,提高效率,从而得到一个自适应阈值与区域信息相结合的水平集演化模型。     

基于模糊C均值的水平集活动轮廓模型

针对SPF模型的水平集函数初始化方式不灵活、容易发生边界泄漏的问题,提出一个新的基于模糊C均值的水平集活动轮廓模型.首先,用图像灰度值与两个模糊聚类中心的平均灰度值的差构造一个模糊符号压力函数,并证明它能够调节目标区域内外的压力符号,用模糊符号压力函数取代SPF模型中的SPF函数;其次,使用正则化的Dirac函数?(?)取代|??|;最后,使用高斯滤波平滑水平集函数.实验表明,提出的方法精确有效.     

结合局部信息活动轮廓模型的含噪图像分割方法

为改善传统活动轮廓模型对含噪图像的分割精度和效率,提出一种结合局部信息活动轮廓模型的含噪图像分割方法.首先构造局部信息速度函数,使图像局部灰度引导速度函数变化;然后采用拟合图像代替原图像,同时增加拟合中心权重以构造新的拟合项;最后引入自适应权重系数以增加模型对不同图像的分割灵活性.实验结果表明,相较于C-V模型,该方法...     

融合局部和全局信息的两相脑图分割模型

为了解决脑核磁共振图像中的灰度不均匀现象,提出了一个基于两相的脑图像分割模型．该模型在图像局部熵基础上融合局部高斯信息和全局信息的两相水平集来拟合图像信息,同时采用一种新的简单有效的初始化方法,进行脑灰质、脑白质、脑髓液分割．实验结果表明,该模型能有效地对脑灰质、脑白质、脑髓液进行分割,同时提供准确光滑的目标边界,解决了CV模型等对灰度不均匀图像分割失败的问题．     

C-V模型在乳腺X影像分割中的研究和应用

本文以数字乳房X片图像为对象,研究了医学图像分割的理论和算法。首先,文章对水平集方法以及主动轮廓模型的基本理论及其在图像分割领域的应用做了简单的概述。然后重点研究了C-V多相水平集方法,该方法具有理想的区域划分方案,可以分割分段常值和分段光滑图像,可以自然地避免多个水平集函数的重叠和"真空"问题。文章还指出初始位置对曲线演化的速度的影响,并且针对该问题提出了利用阈值分割技术对水平集函数进行初始化,通过优化水平集函数的初始位置来加快C-V模型的演化速度。基于C-V的图像分割算法作为医学诊断的辅助手段有极其重要的意义。     

图像分割的变分模型与数值计算

在图像分析与计算机视觉领域中,图像分割技术应用很广,它是一个基础的并且非常重要的课题。现如今,关于变分模型的图像分割方法得到了国内外学者的广泛关注。本文将要讨论图像分割的变分模型与数值计算,主要提出一种快速求解Mumford-Shah模型的变分水平集分割方法和C-V模型。     

一种加快的CV模型分割方法研究

CV模型是一种有效的活动轮廓分割模型,其缺点是分割速度慢.用OTSU法预处理后的区域边界作为CV模型的初始轮廓线,大大提高了分割速度,且该方法能克服传统CV法难以分割壁较厚的内部空洞的不足.在CV模型的能量函数中引入惩罚项,使得CV模型在演化过程中无需重新初始化,进一步提高了分割速度.实验表明改进后的CV模型与传统CV模型相比分割速度有了较大提高,且分割效果更好.     

不同颜色分量对图像分割结果的影响

为了提高图像分割质量,分析了RGB颜色模型下3种颜色分量对花卉图像分割结果的影响。根据花卉目标的颜色特征,在RGB颜色模型下分别提取花卉图像的R分量、G分量、B分量,采用FCM算法分别对3个分量进行图像分割,并对十多幅自然场景下拍摄的不同颜色花卉图像进行分割实验。结果表明,针对合适的色彩分量进行图像分割可以获得更好的分割效果。     

格点上的一种统计分割模型

为了克服Kim-Fisher模型实现难度大、运行速度慢的问题,提出了离散的近似Kim-Fisher模型.该离散模型的目标函数直接定义在格点上,采用贪心法进行优化.首先,把图像的灰度值视为离散的随机变量,从而可以采用更为简单的方法估计条件熵.其次,针对基于水平集技术的二区域和多区域图像分割,提出一种无须扩展的统一的方法.最后,还提出一种多标号格点上曲线长度的近似方法,该方法比现有的方法更加准确.实验结果表明,同传统的连续Kim-Fisher模型相比,所提出的模型在取得相当的分割效果的同时,简化了实现过程,并大大降低了运行时间.     

一种基于Parzen窗技术和Tsallis熵原理的图像分割新方法

提出了一种基于Parzen窗技术和Tsallis熵原理的图像分割新方法．该方法采用Parzen窗技术来估计图像灰度值的空间概率分布,再结合Tsallis熵来构造新的目标函数,最后在图像灰度值范围内搜索使该目标函数达到最大值的灰度值作为最佳全局阈值．通过和传统的基于Tsallis熵理论的图像分割方法相比较,结果表明该方法对图像分割精度非常高,且稳定性强．     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件，建立了智能组卷系统的数学模型，并给出了改进的遗传算法求解智能组卷问题的新方法．实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题，组卷成功率高，组卷速度快，具有较好的性能和实用性。     

图像分割算法在零件图像测量中的应用研究

通过分析图像测量系统的组成,说明了图像分割算法在零件图像测量中的重要地位,综合阐述了目前常用的图像分割算法的特点。针对零件图像测量的实际应用情况,提出了一种新的图像分割算法,实现了对目标边缘的准确检测。在此基础上设计了边缘检测的亚像素细分算法,对目标边缘进行亚像素精确定位,并用实例说明了本算法的可行性。     

肿瘤细胞膜免疫组化病理图像的自动分割

针对肿瘤细胞膜着色的免疫组化病理图像中组织灰度在RGB颜色通道中的分布形态特点,采用阈值分割方法将阳性产物、细胞、胞浆、间质及空隙等各组织区域分离;针对细胞核和阳性目标的灰度存在重叠现象,依据区域的面积、圆形度等几何形态特征建立二级分割模型,进一步将细胞核和阳性产物区分开来。在上述基础上,提出并实现一种肿瘤免疫组化病理图像的自动分割方法。结果表明,此方法速度快,分割效果理想。     

一个基于改进的反序分词词典的中文分词算法

中分词是中信息处理最重要的预处理。章对传统的反序分词词典进行了改进，设计了反序词典词根HASH表，并给出了相应的分词算法，实验表明，改进是有效的。     

基于图像分割的改进型预测编码

传统的预测编码是通过将图像转化为预测差来消除像素间的冗余度,从而实现图像压缩。为了进一步减小预测差的熵,提出了一种基于图像分割的改进型预测编码算法。实验结果表明,该算法具有比传统预测编码更好的压缩效果。同时,还比较了各种不同的分割方法对图像压缩性能的影响。     

基于混合分水岭变换和模糊C均值的图像分割算法

分水岭变换是图像分割的一种强有力的形态工具,能够自动生成一系列封闭分割区域。其不足之处是过分割、对噪声敏感。为克服分水岭变换固有的缺点,本文综合利用非线性滤波和改进的FCM算法优化分水岭变换得出的初始分割,提出了一种新的基于混合分割算法——IHWF（Improved Hybrid Watershed and FCM）分割法。与MeanShift算法及区域合并算法相比,该方法充分利用了区域的灰度和区域间的空间信息。试验结果表明该算法能有效克服分水岭算法的过分割问题,且分割效果优于以上两种方法。     

基于主动外观模型的图像分割研究

由于AAM（即主动外观模型）算法突出了纹理特征而使该模型本身具有较强的抗干扰性,可更全面和更有效地描述目标物体,因而能够获得更好的图像分割和目标提取效果,有利于后续的图像分析和测量．基于主动外观模型的图像分割方法,用于有效地组合物体的外观信息和轮廓信息,以获得较好的图像分割效果．通过实验进行主动外观模型的构建、训练并进行图像分割验证．实验结果表明,AAM算法有一定的准确度优势．但与传统的分割算法相比,随着分割效果的改善,其计算量也要大于一般的主动轮廓模型．     

Automatic Vehicle License Recognition Based on Video Vehicular Detection System

Traditional methods of license character extraction cannot meet the requirements of recognition accuracy and speed rendered by the video vehicular detection system. Therefore, a license plate localization method based on multi-scale edge detection and a character segmentation algorithm based on Markov random field model is presented. Results of experiments demonstrate that the method yields more accurate license character extraction in contrast to traditional localization method based on edge detection by difference operator and character segmentation based on threshold. The accuracy increases from 90% to 94% under preferable illumination, while under poor condition, it increases more than 5%. When the two improved algorithms are used, the accuracy and speed of automatic license recognition meet the system's requirement even under the noisy circumstance or uneven illumination.