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...     

一种融合边缘和区域特征的主动轮廓图像分割

传统的主动轮廓模型只利用图像的边缘或者只利用区域特征实现图像分割。在有些情况下图像分割效果较差．本文给出了一种综合利用图像边缘和区域特征的主动轮廓图像分割方法．实验表明,演变后的曲线与图像的边缘是吻合的,图像分割的结果较好．而对相同的图像应用传统的主动轮廓分割算法得到的图像分割结果则很差．这说明新算法明显提高了传统算法的图像分割性能．     

一种基于小波变换的动态轮廓模型

梯度矢量流模型广泛应用于计算机视觉与图像分割,但是受噪声的影响,在处理许多医学图像时不能正确收敛到目标轮廓．本文结合小波变换与梯度矢量流模型提出了一种新的动态轮廓模型．新模型定义小波变换矢量替代梯度矢量,并用多尺度小波变换对图像进行预处理．新模型具有更好的抗噪性,并能够得到连续的边缘点．结果表明新模型提高了动态轮廓模型方法分割复杂图像的能力,是一种有效的医学图像分割方法．     

基于Bayesian最小误判的活动轮廓模型

为提高被噪声、纹理等干扰的图像分割精度,提出了一种基于Bayesian最小误判的活动轮廓模型.首先将目标和背景这两类中心的马氏距离作为误判概率的判决规则,利用方向扩散PDE方程对观测图像进行演化,使得扩散只沿切线方向发生,得到原图像的一个平滑近似图像,从而使目标和背景的马氏距离增大,误判概率减小.然后结合局部二值拟合活动轮廓模型,对特征函数进行迭代演化,直至收敛到目标边缘.最后采用结合梯度下降法和迭代卷积阈值化方法对模型进行数值求解.实验结果表明,提出的模型可以很好地排除干扰信息的影响,准确地提取目标轮廓,误判概率更小.和几个经典变分图像分割模型相比,DSC、IOU等指标值都表明提出模型具有较好的实验效果.     

基于降采样归一化割的多尺度分层分割方法研究

图像分割作为计算机视觉的中层任务,常建立在目标轮廓特征的基础上,但是局部轮廓检测器的结果难以保证其产生封闭轮廓。为获得完整的分割区域,归一化割方法提供一种将局部轮廓结果转化为图像分割结果的处理途径。传统的归一化割方法由于长特征向量的聚类导致计算耗时长、内存占用多。在轮廓特征的基础上,考虑轮廓的全局推断,提出一种归一化割的改进方法——降采样归一化割,以减少图像分割过程中的计算耗时。通过多尺度空间下的层级校准,准确定位多个尺度下的区域边界进行区域合并,从而得到更准确的多层分割图。     

基于NSCT变换的随机游走红外图像分割方法

红外图像具有灰度变化不平均、分辨率较低、噪声较多等特征,传统的图像分割方法难以对红外图像分割出有效实体。为解决这一问题,设计了一种基于非下采样Contourlet 变换(NSCT)的随机游走红外图像分割算法。传统的随机游走图像分割方法,图像部分灰度值的不均匀变化可能改变随机游走算法的路径,而且分割目标的轮廓很容易受到图像背景噪声影响,所以可以通过增强图像的目标轮廓,抑制图像噪声,以达到更好的分割效果。NSCT变换是一种非常有效的图像增强方法,首先采用NSCT变换对红外图像进行多方向、多尺度分解,得到红外图像的低频和高频系数,对该系数进行处理,然后反变换得到增强后的红外图像。实验结果表明,该方法在红外图像分割中取得了很好的效果。     

改进分水岭与主动轮廓模型相结合的肝癌细胞核分割算法研究

肝癌已经成为常见的恶性肿瘤,组织切片显微图像的病理分析是诊断的主要手段,细胞的准确分割是病理分析的重要环节。提出了一种新的基于H&E染色组织病理学图像的肝癌细胞分割算法,首先用彩色卷积方法进行主成分提取得到灰度图像,在此灰度图像的基础上,进行形态学处理|然后运用快速径向对称变换提取种子点作为前景标记,进行分水岭分割|最后将分水岭分割得到的轮廓线作为初始轮廓进行GVF主动轮廓分割,得到更为精确的轮廓线。分割结果的阳性预测平均值达到0.89,召回率平均值达到0.9,证明了该算法细胞定位的准确性。Dice系数平均值为0.84,证明了本算法细胞分割区域的准确性。     

基于高斯核函数的变分水平集模型研究及应用

基于测地线活动轮廓（GAC）模型的变分水平集方法在图像分割领域目前应用较多,但其结果会受到图像边缘因子g的影响,基于这一点考虑引入了高斯核函数的平滑预处理,以减小其对曲线轮廓活动结果的影响。实验证明,该方法对两相灰度图像具有较好的分割效果。     

基于模糊形态学和分水岭算法的图像分割研究

提出了一种基于模糊形态学和形态分水岭算法的图像分割方法,利用模糊形态学闭开运算先平滑原始图像,图像通过平滑后在保留重要区域轮廓的同时去除了细节和噪声,而后进行形态分水岭变换实现图像分割。实验结果表明这种方法具有较好的分割效果。     

基于流形的特定人体组织轮廓的医学图像分割

图像分割是医学图像分析中的重要问题。以前的基于模型的分割算法都是从不特定人群的统计出模型的先验知识。文章提出了一种新的全自动医学图像分割算法.这种方法旨在提出一种基于特定人先验轮廓模型。该模型通过基于流形的学习方法,从而达到更加准确的分割效果。     

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．     

合成孔径雷达图像分割算法研究

对合成口径雷达图像的分割算法进行了归纳综述,概述了主动轮廓的分割算法、马尔科夫随机场的分割算法和模糊均值的分割算法,简要阐述了各种算法的原理,提出了基于局部隶属度和局部信息的模糊均值分割方法,以期为SAR图像分割算法的研究提供参考.     

A B-spline active contour model based on finite element method

1. Introduction The active contour model (also called snake) was first proposed by Kass [1] and can be used in many image analysis and computer vision applications such as edge detection, motion tracking, image matching, and 3-D reconstruction. A snake is a energy-minimizing curve controlled by internal and external forces. Internal forces act as a smoothness constraint, and external forces guide the snake toward image features that are of interest. B-spline representation of active contour c…     

Jacquard image segmentation using Mumford-Shah model

INTRODUCTION Image segmentation plays an essential role in jacquard image analysis. A jacquard image consists of many complex patterns which contain detailed, in- tricate topological curves. An accurate extraction of pattern features from jacquard images promises reli- ability for jacquard fabric CAD. Although, many algorithms have been proposed for the segmentation problem, they have difficulty in capturing the com- plex structure of the visual features, such as complex contours of a ja…     

基于深度学习的图像语义分割技术综述

图像分割是计算机视觉领域的一个重要方向,是图像处理的核心环节。伴随深度学习技术的发展,结合深度学习的图像分割技术在精确度上远超传统图像分割方法。卷积神经网络（CNN）与全卷积神经网络（FCN）的提出极大促进了图像语义分割技术发展,研究人员提出了很多新型网络模型,分割精准度大幅度提升。从传统语义分割方法、深度学习与传统方法相结合的图像语义分割、基于深度学习的语义分割3个方面阐述图像语义分割技术研究进展,为基于深度学习的图像语义分割技术研究提供参考。     

一种改进Grabcut算法的彩色图像分割方法

针对传统Grabcut分割方法难以很好处理图像阴影部分及分割时间过长的问题,提出结合K-means聚类算法与Grabcut函数的方法改善以上问题。该方法通过直方图均衡化实现图像增强,然后利用K-means算法以二分类的形式对像素进行聚类,利用形态学处理填充孔洞,自动获取目标物体轮廓后,结合Grabcut算法实现图像二次分割,最后利用颜色判定改善图像阴影部分。实验结果表明,该方法可实现图像自动分割、节省大量时间,而且对阴影部分图像处理有明显改善,具有较高的准确性和高效性。