主动轮廓

摘要： 针对传统叶片横切面宽度测量效率低、重现性差、劳动强度大,以及已有图像处理算法精度不高等问题,本研究提出一种基于变分水平集主动轮廓算法来提高叶片图像分割效果,从而更准确地测量细胞厚度。以狭叶锦鸡儿(Caragana Stenophylla Pojark)叶切片表皮细胞为研究对象,依据图像特点,首先采用基于几何均值和三维块匹配算法,实现图像盲去噪;然后采用变分水平集主动轮廓算法,分割预处理后图像提取表皮细胞;最后采用最小距离求交法确定出骨架曲线上局部拟合中心线的垂线与表皮细胞轮廓2交点,通过计算2交点间的距离,并除以对应比例关系,得出表皮细胞实际厚度。结果表明,①图像经去噪后,有效去除图像噪声,图像质量明显提高,相较传统Lazy Snapping算法和Graph Cut算法,本文提出算法虽耗时较长,但分割效果很明显,平均分割误差(R)、过分割误差(O_(R))和欠分割误差(U_(R))分别为5.670%、0.589%和5.900%,所用时间为30.228 s;②通过与交互测量值的比较得出,本文算法测量值与交互测量值间相对误差为3.27%,均方根误差为0.983,相对较小,结果较准确;③通过对同一幅图像30次重复测量后发现,相较ToupTek(高分辨率智能显微镜成像CCD相机)Toupview软件交互测量方法,本文算法用时更短,稳定性较高,误差为0.007。

摘要： 宫颈细胞图像的分割问题研究对宫颈癌筛查诊断具有重要意义,但大量的重叠细胞给这项研究带来了巨大挑战。针对这一问题提出了新的宫颈细胞实例分割方法,该方法在语义分割的基础上,根据先验信息为细胞初始化轮廓并建立能量函数,通过最小化能量函数完成轮廓演化,解决复杂宫颈细胞图像中细胞实例分割问题。首先,改进U-net神经网络,完成宫颈细胞图像精确语义分割,将图像像素分为细胞、细胞核及背景3类;其次,在语义分割的基础上,识别图像中的游离细胞与细胞团块,并直接提取游离细胞的轮廓;最后,对于包含重叠细胞的细胞团块,使用Snake主动轮廓模型完成细胞团块中每个细胞的轮廓提取,实现细胞的实例分割。实验结果表明,算法可对包含重叠细胞的宫颈细胞图像进行有效实例分割。

摘要： 针对苗族服饰图像存在绣线纹理、形状复杂及色彩差异性的问题,提出了一种基于模糊拟合图像驱动的苗族服饰图像分割算法。首先,结合局部与全局图像信息在模糊区域中定义了模糊局部与全局拟合图像。同时,根据Kullback-Leibler散度用于描述两个概率分布之间差异的性质,利用原始图像和拟合的模糊局部与全局图像在Kullback-Leibler散度方面的图像差异,构造了模糊能量函数,从而驱动初始轮廓曲线向目标边界移动。其次,采用局部与全局轮廓曲线内外区域的像素灰度归一化类内方差构造自适应权重系数,以此来自动调整全局与局部模糊能量项之间的参数。最后,在能量函数中添加了一个正则项与长度项,并在其中引入边缘检测器,来平滑图像边缘。该算法的性能通过在自然图像上进行验证,分割结果的相似性系数与敏感性系数分别达到0.978和0.981以上。然后使用提出的算法在苗族服饰图像上进行实验,结果表明提出的算法具有较好的分割结果,并只需要较少的迭代次数与分割时间。此外,分割结果对水平集函数的初始化与苗族服饰图像具有鲁棒性。

摘要： 图像分割在实际生活中具有非常重要的实用价值和研究意义.基于水平集的主动轮廓模型由于其光滑连续的演化结果,并且演化过程可以实现拓扑结构的改变,受到广泛的关注,本文提出一种新的图像分割模型,主要运用于背景不均匀的目标图像的分割场景,较比于传统的演化模型具有更加精确的结果和更好的鲁棒性.

摘要： 太原科技大学计算机科学与技术学院图形图像与计算机视觉课题组,围绕视频图像处理、图像分析与理解、特征提取与识别、图像融合与拼接、视觉定位与三维重建,虚拟现实与增强现实等展开研究,在主动轮廓能量模型构建,偏微分水平集表面动态演化,超像素图割图像分割、离散小波多分辨率图形表示等理论研究方面取得了重要进展,研究成果在医疗病变肿瘤图像的处理与识别,视频监控图像人体目标的提取与识别,交通监测视频下运动车辆目标提取与交通流量检测,人眼疲劳检测及人脸特征提取与识别、工程表面形貌特征提取与磨损状态识别等领域进行了应用。

摘要： 细胞及细胞核的准确分割是宫颈癌计算机辅助筛查中的关键技术,针对具有重叠现象的宫颈细胞分割及其细胞核的提取,提出了一种U-Net网络语义分割下的多主动轮廓细胞分割提取方法.首先,对采集到的样本图像进行标注,将其分为背景、细胞、细胞核三部分;然后,对U-Net网络进行训练,并利用训练得到的模型对图像进行分语义分割,得到其中的细胞及细胞核区域;接着在U-Net语义分割结果的基础上获得细胞团块信息,并通过像素点与细胞核之间的距离为每个细胞初始化一个水平集函数表示的细胞轮廓;最后,结合细胞的形状先验信息、图像的边缘信息和不同轮廓之间的相互信息建立水平集函数的能量泛函,通过最小化能量泛函得到细胞轮廓,最终完成每个细胞的分割.实验表明:文中提出的分割方法可以对复杂情况下的宫颈细胞进行分割,包括独立细胞和互相重叠的细胞及其细胞核,取得了良好的分割效果.

摘要： 针对木材中存在的表面死结缺陷问题,提出一种基于中智集的图像检测算法.首先将木材彩色RGB图像输入,将输入图像的RGB通道图提取出来,得到R、G、B三个分量的图像.然后选取R通道图像,将该通道图像分别通过T、I、F三种通道的图像处理得到TIF通道的图像.同理,选取G、B通道的图像经过TIF通道处理,得到共9张关于T、I、F通道图像.将所得的TIF通道图像分别进行Otsu、Kapur、主动轮廓三种算法处理,对处理的图像进行jaccard、dice和bfscore三种评价得出JAC、Dice和BFScore三个评价参数,再对各个图像的评价参数进行比较,得出最佳分割图像.

摘要： 为了解决CT图像主动轮廓分割方法对初始轮廓的敏感和分割不准确的问题,本文提出一种融合加权随机森林的自动3D椎骨CT主动轮廓分割方法WRF-AC.该方法提出加权随机森林算法和包含边缘能量的主动轮廓能量函数.首先,通过提取椎骨CT的3D Haar-like特征值训练加权随机森林获得的椎骨中心作为分割的初始轮廓,然后,求解包含边缘能量的主动轮廓能量函数最小值完成椎骨CT图像的分割.实验结果表明,本方法在相同数据集上能够更加准确、快速地分割脊柱CT图像提取椎骨部分.

摘要： 针对高速驼峰焊道形成过程中熔池的变化规律,采用CCD视觉传感系统跟踪采集.提出了一种基于模糊C-均值聚类(fuzzy C-means,FCM)协作主动轮廓(chan-vese,CV)模型的熔池图像分割方法,对高速焊接过程中的熔池图像进行图像分割.结果表明,驼峰的形成过程中,熔池长度的阶跃变化是反映驼峰形成的主要图像特征.将熔池长度序列拟合成波形,采用Symlets2号小波进行分解,发现d2级小波分解能更好地识别熔池长度的阶跃变化.对d2级小波细节能量设定阈值,获取反映熔池长度阶跃变化的尖峰突起特征信号,能很好地识别驼峰缺陷的形成,初步实现了驼峰焊道的监测控制.

摘要： 针对熔化极气体保护电弧(Gas Metal Arc,GMA)增材制造(Additive Manufacturing,AM)熔池图像,提出了一种基于模糊C-均值聚类(fuzzy C-Means,FCM)协作主动轮廓(Chan-Vese,CV)模型的熔池图像分割方法.该算法利用FCM粗分割理论设定CV模型的初始化位置,然后利用CV主动轮廓模型提取GMA-AM熔池轮廓.结果表明,FCM-CV算法消除了CV模型对初始位置敏感的问题,能够有效地提取不同工艺条件下的熔池轮廓,与传统分割方法相比,提取到的熔池轮廓准确、边缘光滑封闭,同时该算法能够准确提取电弧区、浮渣区和熔池尾部的轮廓,具有很好的适应性和稳定性.

摘要： 主动轮廓可以准确地描述目标轮廓,所以广泛地应用在目标识别与跟踪中.本文提出了一种有效的基于目标均值分布的主动轮廓跟踪方法,从能量模型和曲线演化方式对方法进行改进.首先,建立了一种新的主动轮廓能量泛函模型,通过加入目标与背景均值分布的先验信息使得对目标的提取更加准确;然后,分析曲线梯度下降流,采用一种先整体平移后局部形变的曲线演化方式,提高曲线演化的效率.总之,本文方法是一种基于目标分布的由粗到精的主动轮廓跟踪方法,实验表明,该方法可以在复杂背景下有效而正确地跟踪目标。

摘要： 焊接是钢结构生产的主要方法。射线检测方法是是检查焊接缺陷的几种主要方法之一。rn 射线检测结果的评定方法有两种:人工评定和计算机辅助评定.人工评定检测结果时,评定人员工作量大,评定结果易受评定人员主观因素影响.采用计算机对X射线检测结果进行分析和识别,可以大大提高工作效率。分析识别的基础是图像的分割.本文分析Tony F.Chan和Luminita A.vese提出的基于Mumford-Shah模型和主动轮廓的CV模型,并将其应用到焊缝缺陷的分割之中。

摘要： 改进遗传算法IGA从提高全局搜索性能和收敛速度出发,加入了5个新的操作策略.算法采用保持多个最佳个体的群体策略、混合选择、小范围竞争择优的遗传操作、局部寻优的贪心算子,使算法的全局搜索性能和收敛速度大大提高.而由kass等人提出的主动轮廓模型,其原始的算法存在许多问题,本文提出了将改进的遗传算法应用到主动轮廓模型中去,并给出实验结果.实验结果证明,基于改进遗传算法的主动轮廓模型不仅成功地解决了原方法收敛易陷入局部最小值的问题,也提高了目标提取的成功率.

摘要： 本文提出了二种基于主动轮廓与蚁群算法相结合的多细胞图像分割算法,即把多细胞轮廓分割问题转化为寻找最优轮廓路径的问题,多组蚁群通过其决策模型在各自构造的搜索空间里寻找到最优路径使得主动轮廓能量函数值最小.实验结果表明,本文所提出的多细胞图像分割方法比传统常见的分割方法提取出的轮廓更精确更合理;在此基础上,采用LabVIEW软件对本文所提出的方法进行系统构建,结果表明,该系统运行有效且能提高多细胞图像分割效率.

摘要： 首先进行图像平滑,再进行图像分割是一种常见技术路线.把双向滤波,保边平滑,总变差结构提取平滑和滚动引导滤波等四种平滑算法,与阈值分割,主动轮廓,粒子群优化和带细节合并的图模型分割等四种图像分割算法相组合,形成16套先平滑再分割的图像分割算法.通过实验进行比较并根据校正兰德指数(CRI)和杰卡德指数(JI)进行量化分析.结果表明,总变差结构提取平滑与带细节合并的图模型分割相结合,取得的分割结果最佳.t检验显示,平滑预处理步骤对于多个图像分割算法在分割效果的提升上作用并不具有统计意义上的显著性.

摘要： 本发明公开了一种基于主动轮廓模型的超声图像分割中获取初始轮廓的方法，包含以下步骤：训练超声图像肿瘤区域的纹理特征，并与标准椭圆经验值、待测超声图像中肿瘤先验大小一起构成一个标准向量；对待测超声图像进行预处理；对图像进行动态阈值分割；提取动态阈值分割结果中产生的所有闭合轮廓，形成相应子图像；计算各个子图像的纹理特征24个、椭圆拟合结果参数1个以及子图像闭合轮廓内部像素个数，并用这26个数据构成一个向量；计算所得向量与肿瘤区域训练所得的标准向量的距离，确定距离最小的向量对应子图像中的闭合轮廓即为所分割超声图像中肿瘤的轮廓。本发明方法克服了超声图像多噪声、边界模糊的问题，初始轮廓准确率高。

摘要： 一种基于几何主动轮廓模型和稀疏自编码的变化检测方法，主要针对监督变化检测需要人为收集样本以及直接对差异图处理获得变化检测图出现的“椒盐”噪声等缺点。实现步骤：(1)图像读入；(2)差异图生成；(3)感兴趣区域提取；(4)候选样本提取；(5)训练和待分类样本生成；(6)稀疏自编码网络学习；(7)变化检测结果生成。本发明采用几何主动轮廓模型自动提取差异图的感兴趣区域作为候选样本集，并利用模糊C均值聚类生成训练样本和待分类样本。稀疏自编码网络通过学习样本的差异表示对待分类样本进行分类，最后通过标签融合得到变化检测图。整个变化检测过程结合无监督和监督的优势，避免了人为收集训练样本的流程，降低了“椒盐”噪声，提高变化检测精度。

摘要： 本发明公开了一种基于主动轮廓模型的超声图像分割中获取初始轮廓的方法，包含以下步骤：训练超声图像肿瘤区域的纹理特征，并与标准椭圆经验值、待测超声图像中肿瘤先验大小一起构成一个标准向量；对待测超声图像进行预处理；对图像进行动态阈值分割；提取动态阈值分割结果中产生的所有闭合轮廓，形成相应子图像；计算各个子图像的纹理特征24个、椭圆拟合结果参数1个以及子图像闭合轮廓内部像素个数，并用这26个数据构成一个向量；计算所得向量与肿瘤区域训练所得的标准向量的距离，确定距离最小的向量对应子图像中的闭合轮廓即为所分割超声图像中肿瘤的轮廓。本发明方法克服了超声图像多噪声、边界模糊的问题，初始轮廓准确率高。

摘要： 本发明提出了一种基于主动轮廓法的指静脉图像感兴趣区域分割方法，包括以下步骤：步骤1，利用水平Sobel算子检测手指边缘，获得一系列最大响应值点作为标记手指边缘的初始水平点集；步骤2，通过Chan‑Vese模型对初始水平点集进行迭代处理，得到含有小面积连通域的手指边缘图像；步骤3，通过后处理操作，并结合连通域分析，对小于1/10图像大小的连通域进行去除处理，得到手指静脉图像分割掩膜，完成对感兴趣区域的分割。本发明方法是从局部扩展到全局的一个过程，具有更好的鲁棒性，再配合部分形态学操作及连通域分析处理，得到了十分理想的效果。

摘要： 本发明属于图像处理领域，具体涉及一种基于改进的主动轮廓算法的指静脉图像分割方法，该方法包括：采用局部二值拟合主动轮廓算法构建指静脉图像分割模型；采用改进的模糊均值聚类算法计算待分割的指静脉图像的初始轮廓，将初始轮廓作为指静脉图像分割模型的初始指静脉轮廓；根据初始指静脉轮廓采用指静脉图像分割模型对待分割的指静脉图像进行分割处理；本发明对每张静脉图像均会进行迭代优化运算，输出最优的手指静脉初始分割结果，然后在该基础上进一步进行手指静脉图像分割，保证分割模型的稳定性及准确率。

摘要： 本申请公开了一种基于自适应局部预拟合能量函数的主动轮廓模型图像分割方法，属于图像分割这一技术领域，其采用几何轮廓模型，通过梯度下降法求解能量泛函最小化的位置，即封闭连续的轮廓线的位置。通过设计局部预拟合函数去在迭代前计算图像局部区域的平均强度，因此计算速度大幅度提升，计算成本大幅度下降；本申请通过设计一个新的正则化函数去正则化数据驱动项，从而提高系统的鲁棒性和抗噪声干扰性，以及提高数据驱动项过零点处的灵敏度。

摘要： 本发明涉及一种结合UNet和主动轮廓模型的大脑提取方法，属于医学图像分割技术领域，属于医学图像分割领域。该方法包括：获取脑部医学图像数据集，并做必要的预处理；将数据集划分为训练集和测试集；构造UNet卷积神经网络模型；使用训练集数据按照二分类交叉熵损失函数训练模型；再次使用训练集数据按照复合损失函数继续训练模型；将测试图像输入模型，依据模型输出建立分割掩码，得到分割结果。本发明能够在不改变原有训练数据的情况下，通过其特殊的损失函数设计以及模型训练策略，从脑部医学图像中剔除头皮、颅骨和脑脊液，得到更加精细的大脑分割结果。

摘要： 本申请公开了一种基于LoG算子的主动轮廓模型图像分割方法及系统，属于计算机视觉这一技术领域，其技术要点在于：首先，采用边缘拟合函数EFF来代替传统的局部数据拟合函数；其次，创建能量泛函模型；最后，引入了两个新的函数，分别作为距离正则项和长度项的影响，防止水平集函数过于平坦或过于阶梯，平滑或缩短曲线，从而实现图像分割。采用本申请的基于LoG算子的主动轮廓模型图像分割方法及系统，通过与分割评价数据库及现有技术的模型对比，本申请的模型分割速度较快，提高了对初始轮廓的鲁棒性，抗噪声能力强。

摘要： 本申请公开了一种基于局部预分段拟合偏场校正的主动轮廓模型识别方法，属于计算机图像分割技术领域，其特征在于，包括以下步骤：首先，定义局部区域的预拟合函数；然后，提出了一种基于偏场理论的局部预分段拟合的能量函数，并推导出全局的能量函数，给出偏场估计值的最优解：在能量最小化的计算过程中，采用了新的变分水平集公式与梯度流公式来限制了数据驱动项的范围，并改善了曲线斜率，利用优化后的距离规则项和邻域平均值滤波方法分别对水平集函数进行正则化和曲线光滑化。采用本申请的方法，可以减少了计算量，提高模型对参数的鲁棒性。

摘要： 本发明公开了一种基于主动轮廓的车辆三分图自动生成方法,算法读入原始红外图片，对输入图片进行预处理，将其缩放至标准尺寸，将图片灰度化，随后设置snake模型的初始参数曲线，接着使用主动轮廓算法，调整曲线的形状与位置，使能量函数达到收敛，最后根据收敛的曲线绘制三分图的前景、背景和未知区域。本发明通过主动轮廓算法，提取出车辆的边缘信息，并基于车辆边缘绘制出车辆三分图；同时snake模型为闭合曲线，最终求得的车辆边缘是封闭的，保证了后续前景和背景区域可以根据边缘内外部分来生成。本发明操作简单，计算复杂度低，可以应对现实生活中的复杂场景。