C-V模型

摘要： 针对使用单一模型滤波在滤波过程中模型结构及参数不再变化,难以适配目标不同机动阶段问题,提出一种自适应模糊模型滤波算法。该算法首先选取一个CV模型和CA模型,其次每时刻通过计算CV模型和CA模型滤波模型似然函数,计算一种代表目标真实运动模式期望值的期望模型,最后利用期望模型进行目标跟踪。蒙特卡洛仿真表明,该算法能有效跟踪目标不同的机动阶段,相比较单一CV和CA模型位置和速度的跟踪精度更高。

摘要： 为实现紫外图像中高压设备放电区域的自动分割,该文提出一种基于SLIC显著性检测及C-V主动轮廓模型的图像分割方法。首先将紫外图像进行SLIC超像素分割,然后进行显著性检测,最后将显著性检测结果输入C-V模型进行图像分割。实验结果表明,与传统的C-V模型和RSF&LoG模型相比,该文方法不仅可以准确区分图像的前景(放电区域)和背景,从而准确提取紫外图像放电区域,而且具有良好的抗噪性能,取得最好的紫外分割图像结果。

摘要： 由于不同对象区域之间强度范围的重合,在存在强度不均匀的情况下很难分割图像.针对这一问题,提出一种新的水平集分割方法.在非均匀图像模型的基础上,推导出图像域的最优分割平面.在平面上,提出一种新的基于区域的压力函数,并在水平集公式中定义一个能量泛函.通过对能量泛函最小化,在对非均匀图像分割的同时,对偏置场进行估计.另外,为了准确估计偏置场,针对核函数设计一种新的自适应尺度参数.在真实图像和人工合成图像上的实验结果表明,该方法在精度、效率和鲁棒性方面有很好的优越性.

摘要： 针对具有灰度不均效应的医学图像分割问题,文中提出了一种快速结合全局和局部信息的水平集模型,即HLSGL.基于C-V水平集分割算法的全局信息,通过计算图像各像素点的局部拟合均值,引入局部信息能量项,使全局与局部信息叠加构成驱动力项,保证对图像边缘具有较好的局域化效果.在构造的驱动力项中引入一种新的速度停止函数,使分割过程能自适应地调节曲线演化速率,提高了分割效率.将HLSGL模型应用于不同种类医学图像,实验表明该方法可以高效地分割含噪声、弱边界、灰度不均的医学图像,得到较完整的轮廓曲线.与其他水平集模型的对比实验表明,HLSGL模型的准确性、鲁棒性、分割效率均得到改善.

摘要： 针对接触网绝缘子破损识别,传统的特征匹配和神经网络分类识别率较低,同时因其需要人工提取和训练等问题,识别速率也较慢.相比传统卷积神经网络(CNN),胶囊网络(CapsNet)首次采用矢量作为输入,可以很好的保留目标的方向,角度等特征信息,更适合于识别复杂背景下的绝缘子.因此提出一种基于改进胶囊网络和CV模型结合的绝缘子破损识别算法,通过1×1归约层和3×3卷积层简化传统9×9胶囊网络的卷积层,并采用优化算法进行参数寻优,缩短训练权重时间,同时输出量保留方向角度,能更准确对棒形、针式和蝶式绝缘子破损情况进行分类.最后与AlexNet、YOLO、局部特征分析等方法进行了对比.通过对绝缘子巡检图像应用本文方法可得,绝缘子识别率提高到95％,实时速率达到32帧/s,所提出的绝缘子破损识别方法可以准确、迅速的从复杂背景识别出绝缘子,并准确的找到绝缘子破损的位置,大大提高了输电线路智能巡检的效率.

摘要： 目的:为提高乳腺癌检测的精准度和效率,提出了一种基于自适应能量偏移场无边缘主动轮廓模型(AEOF-CV)的乳腺肿块分割与分类方法.方法:首先采用中值滤波、阈值分割及区域连通进行图像预处理,去除图像噪声;然后使用伽马变换及形态学运算相结合的方法进行图像增强;其次,采用AEOF-CV对弱对比度图像提高分割精度,用于乳腺肿块分割,得到感兴趣区域;最后使用不同提取特征方法,结合支持向量机识别感兴趣区域是否有肿块,并对存在肿块的图像判别肿块的良、恶性.结果:实验利用DDSM数据库中350个图像进行测试,实验结果证明,基于AEOF-CV乳腺肿块分割方法可以得到肿块清晰外部轮廓,具有较好的鲁棒性,误分率可达到0.212 0.无肿块样本识别率达到94.57％,恶性肿块识别率为97.91％,良性肿块识别率为96.96％,总识别率达94.00％.结论:基于AEOF-CV的乳腺肿块分割效果较好,误分率相对CV方法降低19.17％,查准率和查全率达到了0.851 9和0.836 5,全局分析性能较好,是乳腺肿块分割的有效方法,可为后续模式识别提供可靠依据.

摘要： 由于传统C-V模型不能准确分割灰度不均匀的图像,本文基于传统C-V模型进行了局部变量的改进,改进后的模型不仅可以准确分割灰度不均匀的图像,而且能够更好的刻画各点邻域的灰度变化情况,使得边界信息可以较好的被分割.实验证明,在对图像进行分割时,文章的方法与原模型相比效果更好.

摘要： 光学相干断层成像(OCT)是眼科用于检测糖尿病性黄斑水肿(DME)病变部位的主要成像技术.针对OCT图像中DME水肿区域的高精准提取问题,提出了一种结合K-means算法的C-V分割模型改进方法.首先用变分水平集函数替代C-V模型中的水平集函数,终止C-V模型演化过程中的初始轮廓曲线重新初始化问题,提高分割模型的计算效率;在此基础上利用K-means算法对视网膜轮廓区域进行分割,将其作为固定的初始轮廓曲线,克服C-V模型对初始轮廓区域的敏感问题,提高分割结果的精度.实验结果表明:所提方法与测地活动轮廓(GAC)模型和选择性二值高斯滤波正则化水平集(SBGFRLS)模型相比,在迭代次数上分别减小了约90.8％和69％;在时间上分别减少了约99.3％和82.5％;所提方法的分割精确度、召回度和Dice相似性系数分别为97.95％、98.90％、98.42％.所提分割方法能够有效提高DME水肿区域边界的分割精度,同时降低了计算的复杂度,可为临床诊断提供技术支撑.

摘要： 为提高虹膜定位的精确度和可靠性,提出了一种基于CV模型和快速Hough变换的虹膜定位算法.该算法将预处理后的图像采用CV模型,根据能量函数参数化取极小值原则进行虹膜内圆定位;在虹膜外圆定位时,由于受干扰较多,通过快速Hough变换对虹膜外圆拟合.在2个虹膜数据库上进行算法性能验证,结果表明,该方法的准确率为97.12％,且在准确率和定位时间上都优于同类方法.

摘要： 为提高虹膜定位的精确度和可靠性,提出了一种基于CV模型和快速Hough变换的虹膜定位算法.该算法将预处理后的图像采用CV模型,根据能量函数参数化取极小值原则进行虹膜内圆定位;在虹膜外圆定位时,由于受干扰较多,通过快速Hough变换对虹膜外圆拟合.在2个虹膜数据库上进行算法性能验证,结果表明,该方法的准确率为97.12％,且在准确率和定位时间上都优于同类方法.

摘要： 为提高虹膜定位的精确度和可靠性,提出了一种基于CV模型和快速Hough变换的虹膜定位算法.该算法将预处理后的图像采用CV模型,根据能量函数参数化取极小值原则进行虹膜内圆定位;在虹膜外圆定位时,由于受干扰较多,通过快速Hough变换对虹膜外圆拟合.在2个虹膜数据库上进行算法性能验证,结果表明,该方法的准确率为97.12％,且在准确率和定位时间上都优于同类方法.

摘要： 为提高虹膜定位的精确度和可靠性,提出了一种基于CV模型和快速Hough变换的虹膜定位算法.该算法将预处理后的图像采用CV模型,根据能量函数参数化取极小值原则进行虹膜内圆定位;在虹膜外圆定位时,由于受干扰较多,通过快速Hough变换对虹膜外圆拟合.在2个虹膜数据库上进行算法性能验证,结果表明,该方法的准确率为97.12％,且在准确率和定位时间上都优于同类方法.

摘要： 为提高虹膜定位的精确度和可靠性,提出了一种基于CV模型和快速Hough变换的虹膜定位算法.该算法将预处理后的图像采用CV模型,根据能量函数参数化取极小值原则进行虹膜内圆定位;在虹膜外圆定位时,由于受干扰较多,通过快速Hough变换对虹膜外圆拟合.在2个虹膜数据库上进行算法性能验证,结果表明,该方法的准确率为97.12％,且在准确率和定位时间上都优于同类方法.

摘要： 本文提出一种基于改进的C-V模型的非监督方法,以实现从SAR图像提取海陆分割线.该方法是基于水平集的参数优化,对于不同的SAR数据找到所需的边界及最小化的迭代次数,可以将分割速度提高到足够快.为了提高边界的对比,本方法同时结合了罗伯特算子和直方图调整算法.本文初始曲线覆盖整个图像,然后采用一种改进的水平集方法来做细分.此后,利用几个后处理步骤删除任何剩余的虚假的部分,本方法可以应用于不同种类的SAR数据.实验数据证实,本方法可以实现快速稳定的SAR图像海陆分割.

摘要： 本文提出一种基于改进的C-V模型的非监督方法,以实现从SAR图像提取海陆分割线.该方法是基于水平集的参数优化,对于不同的SAR数据找到所需的边界及最小化的迭代次数,可以将分割速度提高到足够快.为了提高边界的对比,本方法同时结合了罗伯特算子和直方图调整算法.本文初始曲线覆盖整个图像,然后采用一种改进的水平集方法来做细分.此后,利用几个后处理步骤删除任何剩余的虚假的部分,本方法可以应用于不同种类的SAR数据.实验数据证实,本方法可以实现快速稳定的SAR图像海陆分割.

摘要： 本文提出一种基于改进的C-V模型的非监督方法,以实现从SAR图像提取海陆分割线.该方法是基于水平集的参数优化,对于不同的SAR数据找到所需的边界及最小化的迭代次数,可以将分割速度提高到足够快.为了提高边界的对比,本方法同时结合了罗伯特算子和直方图调整算法.本文初始曲线覆盖整个图像,然后采用一种改进的水平集方法来做细分.此后,利用几个后处理步骤删除任何剩余的虚假的部分,本方法可以应用于不同种类的SAR数据.实验数据证实,本方法可以实现快速稳定的SAR图像海陆分割.

摘要： 本文提出一种基于改进的C-V模型的非监督方法,以实现从SAR图像提取海陆分割线.该方法是基于水平集的参数优化,对于不同的SAR数据找到所需的边界及最小化的迭代次数,可以将分割速度提高到足够快.为了提高边界的对比,本方法同时结合了罗伯特算子和直方图调整算法.本文初始曲线覆盖整个图像,然后采用一种改进的水平集方法来做细分.此后,利用几个后处理步骤删除任何剩余的虚假的部分,本方法可以应用于不同种类的SAR数据.实验数据证实,本方法可以实现快速稳定的SAR图像海陆分割.

摘要： 针对工业CT图像体积测量精度不足的问题，提出一种高精度的用于体积测量的结合C-V模型与最小二乘多项式拟合的算法。首先对通过C-V模型提取出切片亚像素级轮廓，并使用最小二乘拟合消除轮廓的锯齿现象；然后对各层切片上等相角的拟合轮廓点建立匹配，采用最小二乘拟合得到工件三维轮廓；最后采用圆台法计算工件体积。结果表明，所用方法对仿真模型体积测量误著优于0.197％。

摘要： 本发明公开了一种融合深度神经网络与CV模型的污损图像分割方法，属于图像处理技术领域，解决对于图像分割采用现有的神经网络的训练样本需求量大以及CV模型的无监督性的问题；技术方案为：构建随机污损模型、对污损图像的图像数据进行加载、构建污损图像融合分割模型、提取污损图像特征、利用CV模型的能量函数完成误差反传更新网络参数；通过多轮迭代学习之后，利用污损图像融合分割模型完成对污损图像的分割；本发明将CV模型的无监督特性融入神经网络中，使得神经网络可在少量训练样本的情况下得到准确的映射关系，应用于对污损图像的分割。

摘要： 本发明涉及一种基于分水岭和CV模型的超声相控阵NDT图像分割方法，该方法包括：基于分水岭算法对待分割图像进行分水岭变换，获得分水岭图像，统计所述分水岭图像的像素信息，获得权重矩阵；对所述待分割图像进行滤波去噪处理，获得预处理图像，基于所述预处理图像设置CV模型初始参数；将所述权重矩阵引入CV模型中，建立权重CV模型；基于所述权重CV模型进行水平集函数迭代，获得最终分割结果。与现有技术相比，本发明具有分割效率高、超声相控阵NDT图像的分割精度高等优点。

摘要： 本发明提供基于对象级半监督CV模型的遥感影像变化检测方法，包括：对各时相遥感影像进行预处理；将影像叠加后进行多尺度分割，形成同质的影像对象；计算各影像对象的变化强度特征，并对像素进行特征映射，得到变化强度特征图；将对象变化强度特征进行初始聚类，得到隶属度矩阵；采用信息熵度量方法计算每个对象的类别标记信息熵，进而进行类别初始标注，生成类别标记知识；将变化强度特征图作为输入特征，将类别标记知识引入CV模型，构造顾及类别标记知识的能量泛函，建立对象级半监督CV模型；通过求解能量泛函对应的欧拉方程，构造能量约束，引导曲线向目标轮廓的快速演化，实现遥感影像自动变化检测。

摘要： 本发明公开了一种基于非局部CV模型的SAR图像变化检测方法，实现步骤包括：(1)输入同一区域不同时间的两幅SAR图像构造差异图；(2)在差异图上做矩形轮廓曲线，初始化水平集函数；(3)计算内部区域的灰度均值和外部区域的灰度均值；(4)构建基于非邻域和基于区域信息的总能量函数E；(5)通过梯度下降法最小化E更新水平集函数Φ，获得新的水平集函数Φn+1，用其对差异图X进行分割；(6)判断当前的Φn+1能否使总能量函数E达到最小值，如果能，停止迭代，输出最终的变化检测结果；否则，返回步骤3。本发明的方法对于差异位置更加敏感，对于初始化和图像质量的鲁棒性有明显增强。

摘要： 本发明公开了基于改进局部信息的CV模型的图像分割方法，包括如下步骤：输入原始图像，计算其像素点灰度值；设置初始轮廓图像，初始轮廓图像为图像任意指定的闭合曲线所对应的图像像素点；对初始轮廓图像进行非下采样Shearlet变换，得到一幅低频缺陷图像和一组高频缺陷图像；利用PCNN方法对所述低频缺陷图像进行信息分割，得到第一缺陷图像。本发明既能考虑到图像的细节信息，又能考虑到图像的总体信息，将图像中目标分割出来，利用矢量化活动轮廓技术做进一步的分割处理，整个流程不需要人工干预，在很短的时间内用户便可得到想要的分割结果，实用性好，能进行较复杂图像的精确分割。

摘要： 本发明属于动物模型构建技术领域，具体提供了一种CV‑B1感染啮齿动物手足口病模型的构建方法和用途，其构建方法为通过鼻腔滴注的方式对啮齿动物模型感染CV‑B1，建立CV‑B1感染的啮齿动物手足口病模型。本发明建模方法时间短、简单易行、有效、死亡率低且模型稳定。同时，鼻腔滴注为更接近人类感染病毒的真实途径，较好的反应了病毒感染的整个过程，为CV‑B1病原的建立提供更优化的方法和技术支持。该建模方法经鼻腔滴注感染叙利亚金黄地鼠后出现了与人类相似的手足口病症状，在各组织器官中出现病毒复制情况的同时，存在脑膜炎、心肌炎等多器官损伤。为后续开展的感染途径及机制、病理生理学药物评价、疫苗研发评价奠定了基础。

摘要： 本发明公开了一种基于Faster R‑CNN与CV模型联合方法的SAR图像舰船轮廓提取方法，涉及卫星遥感图像处理与应用的技术领域，本发明的目的是解决现有SAR图像舰船轮廓方法适用场景少、提取精度差、细节损失严重等问题。本发明通过引入深度学习方法，能够对大场景SAR图像舰船轮廓进行提取。首先，使用Faster R‑CNN网络对SSDD数据集进行迁移学习和目标检测，获得获取舰船目标的定位坐标，并对小场景舰船区域切片；随后对舰船切片进行快速非局部均值FNLM滤波处理，最后使用改进CV模型迭代产生舰船最终轮廓，并将轮廓信息融合显示在原始图像中。利用本发明提出的基于Faster R‑CNN与CV模型联合方法的SAR图像舰船轮廓提取方法可以实现对不同场景SAR图像中舰船目标轮廓快速准确的提取。

摘要： 本发明属于动物模型构建技术领域，具体提供了一种CV‑B3感染的啮齿动物模型的构建方法和用途，其构建方法为通过腹腔注射或鼻腔滴注的方式对啮齿动物模型感染CV‑B3，建立CV‑B3感染的啮齿动物模型。本发明建立了一种可以用于柯萨奇B组3型(CV‑B3)病原研究的啮齿动物模型。该建模方法符合肠道病毒传播方式及临床手足口病患者发病规律、简单易行、建模周期短、可重复性高、模型稳定。在对开展柯萨奇B组3型病原感染中枢神经的途径和机制研究、药物评价、疫苗研发评价等方面具有重要的使用价值。

摘要： 本发明公开了一种基于CV‑LSTM组合模型的地连墙变形动态预测方法。选取监测点，采集基坑工程地连墙的变形历史监测数据，整理形成监测表；采用CV‑LSTM组合模型对变形监测数据中的训练样本进行学习，将训练得到的最优模型对测试集样本进行变形预测，得到地连墙变形预测值。将按本发明技术方案得到变形预测值与变形实测值进行对比，计算评价指标，结果显示，本发明提供的CV‑LSTM组合模型相比传统BP神经网络表现出了较高的预测精度，较单独的LSTM深度网络具有更好的泛化能力，适用于地连墙变形的动态预测问题，可为施工现场实现信息化管理提供参考。

摘要： 本发明公开了一种融合深度神经网络与CV模型的污损图像分割方法，属于图像处理技术领域，解决对于图像分割采用现有的神经网络的训练样本需求量大以及CV模型的无监督性的问题；技术方案为：构建随机污损模型、对污损图像的图像数据进行加载、构建污损图像融合分割模型、提取污损图像特征、利用CV模型的能量函数完成误差反传更新网络参数；通过多轮迭代学习之后，利用污损图像融合分割模型完成对污损图像的分割；本发明将CV模型的无监督特性融入神经网络中，使得神经网络可在少量训练样本的情况下得到准确的映射关系，应用于对污损图像的分割。