检索结果-内蒙古大学图书馆

计算机应用 2012年第1期32卷 245-247,255页

作者：杨建功汪西莉陕西师范大学计算机科学学院西安710062

针对几何活动轮廓(GAC)模型的诸多缺点,提出一种基于符号压力(SPF)函数的活动轮廓模型。采用一种基于区域统计信息的符号压力函数作为边界指示,能够提高演化曲线在运动过程中对模糊边界的识别能力和抗噪能力。相对于传统几何活动轮廓模... 详细信息

针对几何活动轮廓(GAC)模型的诸多缺点,提出一种基于符号压力(SPF)函数的活动轮廓模型。采用一种基于区域统计信息的符号压力函数作为边界指示,能够提高演化曲线在运动过程中对模糊边界的识别能力和抗噪能力。相对于传统几何活动轮廓模型,所提模型具有如下特点:一是能够有效分割边界模糊的目标;二是更具抗噪能力;三是轮廓线运动具有双向性。实验结果表明了所提模型的有效性。

关键词：图像分割几何活动轮廓模型水平集边界指示函数符号压力函数

来源：评论

学校读者我要写书评

暂无评论

MRI分割的几何活动轮廓模型的半隐式AOS迭代方法

引用

南京气象学院学报 2005年第2期28卷 225-232页

作者：李刚南京信息工程大学数学系江苏南京210044

几何活动轮廓模型以其计算稳定等优点,被广泛用于图像分割。给出一种基于AOS(additiveoperatorsplitting)算法的快速活动轮廓模型,将AOS方法与几何活动轮廓模型相结合构造一种半隐式迭代模型,它对迭代步长没有限制,从而可以选择较大的... 详细信息

几何活动轮廓模型以其计算稳定等优点,被广泛用于图像分割。给出一种基于AOS(additiveoperatorsplitting)算法的快速活动轮廓模型,将AOS方法与几何活动轮廓模型相结合构造一种半隐式迭代模型,它对迭代步长没有限制,从而可以选择较大的迭代步长,提高了模型的时间效率,并使用区域信息构造系数矩阵,使模型具有全局性。对MR(magneticresonance)图像分割的实验表明,该模型可以得到较好的分割结果,同时时间效率也有大幅提高,方便了实时应用。

关键词： AOS算法几何活动轮廓模型水平集模型 MRI分割

来源：评论

学校读者我要写书评

暂无评论

改进几何活动轮廓模型的水下图像分割算法研究

引用

小型微型计算机系统 2019年第3期40卷 671-675页

作者：李社蕾黄梦醒三亚学院信息与智能工程学院海南三亚572022 海南大学信息科学技术学院海南海口570228

由于海洋环境对光有很强的的吸收和散射效应,导致水下成像存在对比度低、噪声严重及灰度不均等问题[1,2],在很大程度上影响了水下图像分割的效果.论文研究了几何活动轮廓模型的基本理论,结合水下图像对比度低、图像模糊、偏色等问题,对... 详细信息

由于海洋环境对光有很强的的吸收和散射效应,导致水下成像存在对比度低、噪声严重及灰度不均等问题[1,2],在很大程度上影响了水下图像分割的效果.论文研究了几何活动轮廓模型的基本理论,结合水下图像对比度低、图像模糊、偏色等问题,对自适应的GACV图像分割算法进行改进,建立了适用于水下图像分割的改进的自适应GACV图像分割算法的数学模型,并对水下图像进行分割仿真.仿真结果表明,该模型对弱边缘更加敏感,对具有对比度低、图像模糊特点的水下图像实现了完全分割,达到了预期的分割效果,表现出了良好的鲁棒性.

关键词：几何活动轮廓模型图像分割水下图像水平集

来源：评论

学校读者我要写书评

暂无评论

基于几何活动轮廓模型初始轮廓自动分割方法的研究

引用

计算机应用与软件 2006年第12期23卷 8-9,22页

作者：张仲华杨树堂李建华诸鸿文上海交通大学信息安全学院上海200030

提出一种几何活动轮廓模型初始轮廓自动分割的方法。此方法综合利用了分水岭算法以及几何活动轮廓模型算法,通过利用人脸的肤色特征、结构特征等逐级判别原理,从而实现了自动分割的目的。实验结果表明,采用此方法很好地实现了目标对象... 详细信息

提出一种几何活动轮廓模型初始轮廓自动分割的方法。此方法综合利用了分水岭算法以及几何活动轮廓模型算法,通过利用人脸的肤色特征、结构特征等逐级判别原理,从而实现了自动分割的目的。实验结果表明,采用此方法很好地实现了目标对象轮廓的自动分割,基本可达到与人工干预相近的效果。此方法同样可以广泛应用于人脸检测、图像自动分割、视频监控系统等领域。

关键词：人脸轮廓提取几何活动轮廓模型分水岭算法

来源：评论

学校读者我要写书评

暂无评论

基于几何活动轮廓模型的数字图像分割方法研究

基于几何活动轮廓模型的数字图像分割方法研究

引用

作者：黄珊深圳大学

学位级别：硕士

图像分割是以获取图像中人们感兴趣的部分为目的,根据不同特征将图像划分成互不重叠、各具特性的子区域的过程,这一技术是对图像作进一步分析的前提和基础.经过不断的积累和发展,上千种不同类型的分割方法已被提出.由于图像种类繁多,分... 详细信息

图像分割是以获取图像中人们感兴趣的部分为目的,根据不同特征将图像划分成互不重叠、各具特性的子区域的过程,这一技术是对图像作进一步分析的前提和基础.经过不断的积累和发展,上千种不同类型的分割方法已被提出.由于图像种类繁多,分割目的不同,所要提取的感兴趣区域的差异等,使得无法形成一套通用的图像分割算法,通常都是针对特定图像,形成能解决具体问题的图像分割方法.基于水平集的几何活动轮廓分割方法因其独有的优势,成为图像分割算法研究的热点.众多知名学者在这个方向上做了大量的研究工作,但还有一些问题未能很好地解决,例如初始轮廓的选取对图像的分割结果有一定的影响,分割算法不能较好地处理非同质图像(指灰度值、亮度等图像特征分布不均匀的图像),对噪声鲁棒性差等,这些问题的解决有待继续深入研究.基于此,本学位论文开展了如下工作:1.提出了一个自适应的基于分数阶微分的几何活动轮廓分割新模型.为了提高传统分割模型的抗噪能力,本学位论文结合分数阶微分、水平集和曲线演化等理论,构造了一个包含全局项、局部项和正则项的新模型.全局项是一个压力符号函数模型,用来控制曲线演化的方向.局部项将分数阶微分、分数阶微分梯度模、以及差值图像融合起来,以实现噪声图像的有效分割.正则项通过计算曲线的长度值来保证曲线在演化过程中的光滑性.对图像进行分数阶的微分,在一定程度上保留了图像中纹理细节等低频信息,同时也增强了边界等高频信息.根据图像的局部标准差提出了新的自适应权值策略,有效地调节了模型中全局项与局部项在整个模型中的权重.此外,本学位论文比较了三种常用的分数阶微分定义的差别,并将它们分别应用于提出的新模型中.实验结果表明,将不同定义的分数阶微分应用于新模型中,其分割结果没有明显的差异.与传统几何活动轮廓分割模型相比,提出的新模型具有良好的抗噪性,且对非同质图像有较好的分割效果.2.提出了一个基于勒让德多项式和图像全局信息的几何活动轮廓分割新模型.分片常数图像的假设使得传统分割模型难以对非同质图像进行准确地分割.针对这一问题,本学位论文引入勒让德多项式函数来替代经典Chan-Vese模型中的分片常数.勒让德多项式是一组常用的标准正交基,且具有光滑性,由这组基的线性组合所构成的光滑函数,可以比较准确地刻画图像特征的不均匀性变化.但已有的基于勒让德多项式的分割模型仍存在着效率低、分割结果依赖初始轮廓的选取等问题.本学位论文结合Chan-Vese模型中的全局拟合项,提出了一个新的分割模型.实验结果表明,新模型与已有的勒让德水平集模型、传统分割模型相比,分割的结果更加精确,且不受初始轮廓选取的影响.

关键词：图像分割几何活动轮廓模型分数阶微分勒让德多项式自适应权值

来源：评论

学校读者我要写书评

暂无评论

基于几何活动轮廓模型的图像分割方法研究

基于几何活动轮廓模型的图像分割方法研究

引用

作者：薛哈乐东北大学

学位级别：硕士

图像分割是图像处理中一个基本而关键的环节,是图像分析和计算机视觉研究的基础。图像分割指的是把图像分成一些互不相交的子区域,以达到将目标物体或感兴趣的部分从图像区域中分离出来的目的。现有的图像分割方法很多,近年来,基于几何... 详细信息

图像分割是图像处理中一个基本而关键的环节,是图像分析和计算机视觉研究的基础。图像分割指的是把图像分成一些互不相交的子区域,以达到将目标物体或感兴趣的部分从图像区域中分离出来的目的。现有的图像分割方法很多,近年来,基于几何活动轮廓模型图像分割方法作为一种比较新颖的有效的分割方法,逐渐成为研究和应用的热点。本文在充分认识活动轮廓模型及其相关背景知识的基础上,重点研究了几种经典的基于区域信息的几何活动轮廓模型,并指出了它们存在的缺点。为了改善它们的缺点,本文在LGIF模型基础上进行了三点改进,提出了改进的LBF模型及其图像分割算法,分别为：(1)用尺度参数σ较大的LBF模型替代LGIF模型中的C-V模型,较大σ值的LBF模型不仅具有全局特性而且具有局部特性；(2)将进行数据处理后的局部熵引入到LGIF模型中,进而自动求取权重参数ω,克服了LGIF模型权重参数值的选取全程都需要人工参与的缺点；(3)为了有利于计算机的自动求解和避免过多无用的循环迭代,本文提出了一种新的终止准则。为了验证本文提出的改进的模型和算法的有效性和实用性,分别对人造图像、SAR图像和医学图像进行实验仿真。实验结果表明,本文模型不仅有效地改进了LGIF模型,而且很好的改善LBF模型对初始轮廓曲线敏感的缺点。同时,通过与传统图像分割算法分割结果比较,得出了活动轮廓模型更能满足医学、遥感等实际应用领域图像分割要求的结论。

关键词：图像分割几何活动轮廓模型 LGIF模型局部熵改进的LBF模型

来源：评论

学校读者我要写书评

暂无评论

基于几何活动轮廓模型的图像分割方法及其应用研究

基于几何活动轮廓模型的图像分割方法及其应用研究

引用

作者：冯媛陕西师范大学

学位级别：硕士

图像分割是指利用图像的某些特性,把图像划分为各具特性的、互不交叠的同质区域,并提取出感兴趣目标的技术和过程,是图像分析与图像理解的基础。因此,研究图像分割方法具有重要的理论价值和实用意义。近年来提出的活动轮廓模型用数学模... 详细信息

图像分割是指利用图像的某些特性,把图像划分为各具特性的、互不交叠的同质区域,并提取出感兴趣目标的技术和过程,是图像分析与图像理解的基础。因此,研究图像分割方法具有重要的理论价值和实用意义。近年来提出的活动轮廓模型用数学模型来表征图像分割问题,通过给定一条或多条封闭的初始轮廓线,并定义有关图像信息的能量泛函,最小化这个能量泛函,驱使轮廓线不断演化并在图像的某种特征处能量达到最小值。活动轮廓模型主要包括参数活动轮廓模型和几何活动轮廓模型两种,参数活动轮廓模型直接以曲线的参数化形式表达演化曲线,难以处理曲线演化过程中拓扑结构变化的问题。曲线演化理论和水平集方法相结合的几何活动轮廓模型,克服了传统参数活动轮廓模型的固有缺陷,利用水平集函数间接地表达演化曲线,可自然地处理拓扑结构的变化,数值解法稳定,大大拓展了活动轮廓模型的应用领域。本文主要讨论基于几何活动轮廓模型的图像分割方法,对其进行了深入的研究并加以改进,并将其应用于灰度图像和彩色图像的分割中。首先介绍曲线演化和水平集方法基本理论以及几种经典的基于边缘信息的几何活动轮廓模型；其次在详细分析C-V模型及其优缺点的基础上,提出结合边缘和区域信息的多尺度水平集图像分割；最后将基于最大后验概率Bayesian理论和几何活动轮廓模型相结合,提出结合区域统计信息的自适应水平集彩色图像分割。本文的主要研究内容及其创新点包括以下两个方面： (1)本文提出了一种结合边缘和区域信息的多尺度水平集图像分割算法。该算法结合图像边缘梯度信息和区域全局信息构造能量函数,在梯度约束项中,构建了一个基于小波高频分量的边缘检测函数,在区域约束项中,运用经典C-V模型的区域项,得到混合C-V模型,采用变分水平集方法求解,并消除了水平集的重新初始化。利用小波变换首先在逼近图像中运用混合C-V模型得到粗分辨图像的一个粗尺度分割,再对当前粗尺度下的最终轮廓线作内插操作,将得到的近似轮廓曲线作为初始水平集函数再在原图像中运用消除重新初始化的C-V模型演化得到最终的分割。实验结果表明：本文方法可高效准确地从图像中提取出目标边界,抗噪性好,对初始轮廓位置不敏感,数值计算稳定,是一种较为理想的图像分割方法,适合于大幅面图像的有效分割。 (2)本文提出了一种结合区域统计信息的自适应水平集彩色图像分割算法。该算法利用Bayesian公式推导出基于最大后验概率的图像分割模型,并将其与几何活动轮廓模型相结合。首先结合区域统计特征信息,引入Bayesian分类模型,利用被分割图像内外部概率密度函数构建了一个基于区域统计特征的速度停止函数,并将其应用于彩色图像水平集分割；其次利用被分割图像内外部后验概率构造可变权系数,使得其能够根据图像信息自适应改变方向；最后通过引入Li方法提出的内部约束能量,消除了曲线在演化过程中的重新初始化,同时使得初始水平集函数的定义比较简单。实验结果表明：基于区域统计特征的速度停止函数和可变权系数的提出,提高了曲线演化的自适应性和演化曲线的分割精度和效率。当应用于彩色图像分割时,本文方法具有曲线自适应演化、数值计算稳定等优点,并可高效准确地从彩色图像中提取出目标的边界,是一种较为理想的彩色图像分割方法。

关键词：图像分割几何活动轮廓模型水平集方法多尺度分析贝叶斯理论

来源：评论

学校读者我要写书评

暂无评论

基于几何活动轮廓模型的视频对象分割与跟踪方法

基于几何活动轮廓模型的视频对象分割与跟踪方法

引用

作者：姜丽芳山东大学

学位级别：硕士

图像序列中运动对象的运动分析是计算机视觉技术的一个重要组成部分。运动分析包括运动对象的捕获、运动对象的分割、对象的跟踪、对象的理解等内容。其中,运动对象的捕获、分割、跟踪是进行运动分析的前提条件,一个良好的分割与跟踪效... 详细信息

图像序列中运动对象的运动分析是计算机视觉技术的一个重要组成部分。运动分析包括运动对象的捕获、运动对象的分割、对象的跟踪、对象的理解等内容。其中,运动对象的捕获、分割、跟踪是进行运动分析的前提条件,一个良好的分割与跟踪效果是正确进行对象理解的保证。近年来基于水平集的几何活动轮廓模型在图像处理领域得到了很大的发展,本文研究的内容是在图像序列中,基于几何活动轮廓模型的运动对象分割与跟踪技术,目的使计算机视觉系统可以自动分割目标并进行连续的跟踪,同时在跟踪过程中提取对象轮廓信息。文中首先介绍了曲线演化理论和水平集方法的基本思想,并深入研究了基于曲线演化理论和水平集方法的几何活动轮廓模型理论在图像处理中的应用,分析其优缺点,并针对传统水平集方法计算复杂度高的问题,提出了一种水平集快速改进方法。水平集的快速改进算法的思想是只计算包含零水平集曲线的一个较窄带状范围内的网格点的水平集函数值就可以计算出新的水平集曲线位置,而无须每次迭代都计算图像中的每个点的水平集函数值,这样大大的缩小了计算量,提高运算效率;然后围绕几何活动轮廓模型在运动对象分割和对象跟踪中的应用两个部分进行研究: 在运动对象分割过程中,为了克服传统图像分割算法提取出的运动对象边界不连续、精确度不高等缺点,提出了基于运动对象的运动信息和几何活动轮廓模型理论的图像分割方法。首先,使用图像差分技术,即通过求连续三帧图像的累积差分图像,得到感兴趣(ROI)区域后,以该区域的外接矩形作为曲线演化的初始轮廓曲线。然后,根据本文提出的几何曲线演化算法,保证轮廓曲线正确收敛在目标边缘,获得较好的目标轮廓形状曲线,利用行列扫描的方法得到运动目标的提取模板,从而完整地提取出运动对象,完成分割过程。在运动对象跟踪过程中,由于运动对象在各帧间位置发生变化,几何曲线演化算法主要问题是各帧中运动对象初始位置的估计问题。文中分析了基于Kalman滤波的运动跟踪算法的特点,利用Kalman滤波算法跟踪后续帧中运动对象的初始大致位置,为几何曲线演化提供了初始轮廓线,从而实现进一步的运动对象跟踪。最后通过对运动对象的分割和跟踪算法进行实验检测,验证本文所提出的算法的有效性。实验表明,通过运动对象分割过程和对象跟踪两个过程的处理,能够有效地从序列图像中进行准确的对象分割和跟踪。

关键词：对像分割对象跟踪几何活动轮廓模型 Kalman滤波

来源：评论

学校读者我要写书评

暂无评论

基于改进几何活动轮廓模型的图像分割算法

引用

计算机工程与应用 2013年第18期49卷 149-152,163页

作者：胡慧何聚厚何秀青陕西师范大学计算机科学学院西安710062 现代教学技术教育部重点实验室西安710062

针对传统几何活动轮廓(GAC)模型易出现边界泄露的缺陷,提出一个基于改进GAC模型的图像变速分割算法。该算法结合了图像边缘梯度信息和边缘角点坐标信息,通过改变演化曲线在角点及弱边界处的常量速度,避免活动轮廓曲线继续演化进入目标... 详细信息

针对传统几何活动轮廓(GAC)模型易出现边界泄露的缺陷,提出一个基于改进GAC模型的图像变速分割算法。该算法结合了图像边缘梯度信息和边缘角点坐标信息,通过改变演化曲线在角点及弱边界处的常量速度,避免活动轮廓曲线继续演化进入目标边界内,造成边界泄露和角点丢失现象,影响目标轮廓提取的准确性。实验结果表明:该算法可使演化曲线更加准确地停在目标边缘,并且在一定程度上减少了边界泄露问题。

关键词：几何活动轮廓模型水平集图像分割角点提取边界泄漏

来源：评论

学校读者我要写书评

暂无评论

基于散乱点集的几何活动轮廓模型

基于散乱点集的几何活动轮廓模型

引用

作者：李舟立浙江大学

学位级别：硕士

图像分割就是根据目标和背景的先验知识对图像中的目标背景进行标记,然后将要识别的目标从背景中分离出来的一个过程。由于现在没有通用的分割方法,而给定一个问题选择合适的分割算法也没有标准的方法,所以如何快速、有效地将感兴趣的... 详细信息

图像分割就是根据目标和背景的先验知识对图像中的目标背景进行标记,然后将要识别的目标从背景中分离出来的一个过程。由于现在没有通用的分割方法,而给定一个问题选择合适的分割算法也没有标准的方法,所以如何快速、有效地将感兴趣的目标从复杂的背景中分割出来一直是国内外研究的热点。近年来基于Level Set的几何活动轮廓模型在图像分割领域得到了很大的发展,它解决了一些参数化活动轮廓模型不能解决的问题,如不能处理拓扑变换,不能处理大变形等等。本文在该模型的基础上首先基于自适应邻域的测地线活动轮廓模型,它通过改造内能项扩大了捕获范围,同时采取GVF作为外力,很鲁棒地解决了弱边界泄漏的问题。接着又提出了基于Mumford-Shah的点云实现的活动轮廓模型,通过创建和图像特征相关的散乱点集作为图像的问题域,并采取无网格方法来求解,很好的提高了分割精度,在这模型中,初始轮廓与图像特征无关,一些内部轮廓可以被自动检测到。最后我们给出了基于Mumford-Shah模型的Gabor实现的纹理图像分割。

关键词：几何活动轮廓模型测地线活动轮廓模型 Mumford-Shah模型纹理分割无网格自适应影响域

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：