非线性自适应水平集的图像分割方法

提出一种新的基于水平集的图像分割方法,通过引入贝叶斯规则,设计一个可有效分割弱边缘的非线性自适应速度和概率加权停止函数。该方法包含如下特性：可以自动决定曲线收缩或利用贝叶斯规则对涉及到的图像区域特征进行扩展;以恰当的速度驱动曲线演变,避免了弱边缘的遗漏;降低了假边缘的影响。最后将所提出的分割方法应用于人工图像、医学图像和自然图像的定性和定量评估。对结果进行比较可知,该方法相对于水平集方法和其代表的变体更加有效和实用。     

颜色恒常性的距离正则化水平集彩色图像分割

引入颜色恒常性原理用于区分自然彩色图像中的差分结构,并结合距离正则化水平集算法,对具高光和阴影的自然彩色图像进行分割。实验结果表明,该算法能够正确有效地分割出图像目标,而未引入颜色恒常性原理的水平集算法则得到错误的图像分割结果。     

基于水平集的局部自适应图像分割方法

针对传统水平集图像分割模型无法准确分割灰度不均匀及多目标图像的问题,提出了1种改进的基于水平集的局部自适应图像分割模型。该模型在CV模型(Chan和Vese提出的模型)和LAW(local adaptive weighting)模型水平集演化方程的基础上,重新定义了1个局部自适应权重函数来表示像素点所在邻域的偏差信息,并约束该偏差信息与图像的局部灰度不均匀信息之间的差异为最小,以得到精确分割结果。将模型应用于多相位水平集中,实现了对多目标图像的分割。实验结果表明,该模型对灰度不均匀图像及多目标图像分割更准确,且对初始轮廓的位置更鲁棒。     

基于局部区域与水平集正则化的图像分割方法

图像分割作为图像处理的基本问题之一,在计算机视觉领域正在接受着越来越大的挑战.该文引入了分片常数水平集函数思想,将图像的不同区域用不同常数近似,避免了分割过程中不断初始化水平集函数及水平集初始化位置微小变化造成分割效果不同的问题.局部区域能量函数的使用更适用于灰度不均匀图像的分割.此外,所提方法能量泛函是局部凸且可微的,分割法对噪声含量较大图像具有明显的优势.充分的实验结果验证了所提方法更高效.     

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Sobel算子预处理的变分水平集曲线演化目标跟踪方法

针对变分水平集在曲线演化目标跟踪方法中,直接计算得到的模值图较杂乱,利用Gaussian函数首先对图像进行平滑处理,然后利用中心差分计算梯度,并推导出二者的作用等价于Sobel算子与图像作运算.实例表明该算法使得曲线在演化过程中能够准定位,从而实现目标的正确跟踪.     

博霍扎耶夫恒等式的推广与应用

论文把经典的博霍扎耶夫恒等式推广到p-拉普拉斯算子的情形,并给出了它在一类拟线性偏微分方程问题不可解性上的应用。     

基于两步几何主动轮廓的快速图像分割

A fast two-stage geometric active contour algorithm for image segmentation is developed. First, the Eikonal equation problem is quickly solved using an improved fast sweeping method, and a criterion of local minimum of area gradient (LMAG) is presented to extract the optimal arrival time. Then, the final time function is passed as an initial state to an area and length minimizing flow model, which adjusts the interface more accurately and prevents it from leaking. For object with complete and salient edge, using the first stage only is able to obtain an ideal result, and this results in a time complexity of O(M), where M is the number of points in each coordinate direction. Both stages are needed for convoluted shapes, but the computation cost can be drastically reduced. Efficiency of the algorithm is verified in segmentation experiments of real images with different feature.     

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。     

基于水平集方法的连续体结构拓扑优化方法研究

采用水平集方法描述结构的拓扑及其变化,使用紧支径向基函数对计算区域的水平集进行插值以得到参数化的水平集方法。针对给定体积约束下结构最小柔度的拓扑优化问题,推导了目标函数对插值系数的灵敏度及拓扑优化的迭代格式,数值计算表明,使用该方法进行结构拓扑优化得到的结果边界形状光滑连续且计算稳定性较好。     

基于集内离散度噪声检测的自适应中值滤波的研究

传统中值滤波对所有像素采用同一的处理方法,导致图像细节信息丢失严重。依据噪声分布特征,设计了基于集内离散度的噪声检测器,并结合自适应中值滤波,实现有针对性的噪声过滤,减少非噪声信息丢失。实验证明,该算法具有较高的消除脉冲噪声和保留细节信息能力。