主动轮廓模型

摘要： 在场景文本检测领域,存在由于文本尺寸波动较大导致的小文本漏检、大文本欠检测和多尺度文本边界检测错误的情况。针对上述问题,提出一种基于学习主动中心轮廓模型的场景文本检测网络。在残差网络ResNet的基础上构建多尺度特征权重融合模型,对输入的场景文本图片进行多尺度特征提取和权重融合,并计算出最终的特征融合图,适应场景文本长宽比变化较大的情况。在此基础上,将融合后的特征图输入到学习主动中心轮廓模型预测文本框的中心点和边界,该模型为场景文本检测提供丰富先验知识,以解决多尺度文本检测框包含过多背景或部分包围文本造成的边界检测错误问题。在MSRA-TD500、IC13、IC15和IC17MLT数据集上的实验结果表明,该网络能够提高多尺度场景文本检测的准确率,其中在MSRA-TD50数据集上F-measure为0.83,相较于MSR方法提升1%,在IC13数据集上F-measure为0.91,相较于PixelLink网络提升2%,在IC15数据集上F-measure值为0.87,相较于PSENet网络提升1%,在IC17MLT数据集上F-measure值为0.74,相较于TridentNet网络提升1%。

摘要： 传统区域主动轮廓模型在分割弱边缘图像时,演化曲线受背景干扰,易陷入局部极值导致演化速度缓慢;且由于局部项仅考虑空间信息,无法更好保留目标边界,影响分割精度。针对上述问题,首先利用改进的显著性检测方法,对待分割图像进行预处理操作,获取目标候选区域,自动设置初始化轮廓曲线,并将获取的目标先验信息与待分割图像中具有最大对比度的位图相结合,设计自适应符号函数,对优化LoG能量项进行加权,以线性方式融合到RSF模型中,增强模型自适应能力;其次设计新的局部灰度测度,与局部核函数相结合,改进局部能量项,提高模型在弱边缘处的敏感程度,准确定位目标边界。实验结果表明,该模型能够自动设置初始化轮廓,并有效保留目标边缘细节,视觉及定量实验结果证明了该模型优于目前一些主流的主动轮廓模型。

摘要： 由于成像设备不完善或外界干扰等因素,图像经常有灰度不均现象,一种基于Jeffrey散度相似性度量的鲁棒图像分割算法具有更高的分割精度和分割效率:建立基于Jeffrey散度的灰度拟合项,以提升算法分割灰度不均图像的能力;整合长度正则项、符号距离函数惩罚项和灰度拟合项构建总能量泛函;通过最小化能量泛函实现偏置场修正和灰度不均图像分割.为提高算法的分割效率和对初始轮廓的鲁棒性,可引入一种新的偏置场初始化方法.该算法的有效性在一些自然图像、医学图像和合成图像的实验中得到验证.

摘要： 传统的主动轮廓方法无法突出分割区域的显著性,同时在由显著性检测算法所得到的显著图中目标具有较高的信噪比,因此提出结合显著性的主动轮廓图像分割.通过线性光谱聚类分割得到超像素,以超像素为处理单位利用基于图论的流形排序算法获得较好的显著图;将高斯混合模型引入到主动轮廓的曲线演化过程中,计算曲线内外的平均灰度值,从而通过高斯混合模型和显著性信息得到了新的主动轮廓能量方程,并运用水平集方法指导分割,获得最终的分割结果.实验结果表明,提出的图像分割方法可以对图像进行快速和有效的分割.

摘要： 针对迭代收敛时主动轮廓模型在图像深凹处难以完全收敛且在较高的图像分辨率下收敛速度缓慢的缺陷,提出了一种基于主动轮廓模型的图像分割新方法.本方法结合了多分辨率与梯度向量流概念,首先在原始图像的低分辨率图像上进行轮廓提取,并将提取到的轮廓作为初始轮廓再在高分辨率图像上进行轮廓提取,最终得到原始图像的轮廓.实验结果表明,本方法在图像深凹处收敛效果良好,且极大提升了收敛速度.

摘要： 为了更好地将轮廓视觉检测方法应用于非接触式二维人体围度测量,总结了近年来轮廓视觉检测的方法,包括基于边缘算子的检测、基于数学形态学的检测、基于水平集的主动轮廓模型的检测算法.通过实验效果图对比,重点评述了轮廓视觉检测方法的边缘清晰度、抗噪能力以及目标边缘定位能力,其中特别探讨了Canny边缘算子在优化与改进方面的研究进展.相关研究为实现背景和穿着复杂情况下的人体轮廓视觉检测提供了理论参考.最后阐述了人体轮廓视觉检测存在的挑战及机遇,指出人体轮廓视觉检测在非接触式二维人体围度尺寸测量方面具有很好的发展前景.

摘要： 针对开放式场景下的隔离开关无法准确检测定位的问题,提出一种基于主动轮廓模型的隔离开关检测算法.该算法首先利用Faster R-CNN对采集到的不同状态下的隔离开关图像进行训练,利用训练所得的模型进行开放式场景下的隔离开关粗检测;然后通过主动轮廓模型结合绝缘子定位方法对检测到的区域进行隔离开关的细分割,以获得精确的隔离开关图像.

摘要： 基于机器视觉的方法是刀具监测的重要途径之一,具有无损、直观反映刀具状态的优点,但采集高质量的监测图像比较困难.在微细加工中,由于主轴转速快,刀具尺寸细小,刀具在图像中的角度与位置具有任意性,在线监测的难度较大.针对微细铣削加工中,光照分布不均匀的在位图像捕捉系统获取的位置与角度任意的刀具图像,研究了一种精确提取刀具图像中感兴趣区域(Region of Interest,ROI)的算法.利用Hough变换以及法向量实现刀具的中心点快速定位,并解决刀具的旋转不变性.通过Chan-Vese(CV)主动轮廓模型与Hough直线检测相结合,恢复刀具的边界轮廓.实验结果显示,文中的方法提取的刀具能够更准确地反映真实的刀具轮廓,并能将任意角度的刀具旋转到统一的角度.

摘要： 本文阐述RSF模型是基于梯度信息的主动轮廓模型,其轮廓基于图像的梯度信息进行演化,并利用高斯函数作为核函数.因此分割某些医学图像时,有时会存在欠分割、轮廓收敛速度慢等缺陷.本文提出一种改进的RSF模型(Modified Region-Scalable Fitting,MRSF),首先利用K均值对医学图像进行预处理,然后用一个新的核函数代替高斯函数.实验表明:与传统的RSF模型比较,新模型的分割精度提高了近40％,效率提高了近30％。

摘要： RSF模型是基于梯度信息的主动轮廓模型,其轮廓基于图像的梯度信息进行演化,并利用高斯函数作为核函数.因此分割某些医学图像时,有时会存在欠分割、轮廓收敛速度慢等缺陷.本文提出一种改进的RSF模型(Modified Region-Scalable Fitting,MRSF),首先利用K均值对医学图像进行预处理,然后用一个新的核函数代替高斯函数.实验表明:与传统的RSF模型比较,新模型的分割精度提高了近40％,效率提高了近30％.

摘要： 为克服基于主动轮廓模型的图像分割方法容易收敛到局部极值点、且收敛速度较慢的难题，提出了一种基于主动轮廓模型的交互式图像分割方法。该方法的创新之处：①采取交互式方法选取图像中的局部均匀区域，用于自适应平滑滤波(自动估计图像噪声方差)，从而有效抑制图像中的噪声干扰;②采用最大稳定极值区域(MSER)对数值最优化求解过程进行初始化，提高算法的收敛速度和精度;③在少量人工辅助的条件下，能够获取精确的图像分割结果。在多幅实际场景图像上的定性和定量分割结果比较分析显示，本文方法的分割精度和速度都要优于文献中的类似分割方法，而且适用于背景复杂和受噪声干扰图像的分割问题。

摘要： 融合先验形状知识的主动轮廓模型（混合驱动模型）能够解决目标存在遮挡、局部形变、相似变换等实际问题，广泛应用于图像分割、轮廓提取等领域。本文从先验形状知识的提取以及知识的融合方法两个方面，总结近年来混合驱动模型的一些研究成果。首先研究基于不变矩描述子、样条函数以及水平集的形状知识提取方法。然后从距离函数的角度分析先验知识的全局融合方法，并介绍了一种基于标识函数的局部融合方法。最后对该领域的研究方向进行了展望。

摘要： 工业CT技术由于其无接触性、无损性,被广泛应用到无损检测、无损评价和逆向工程中.体数据能够具体地表示物件的三维细节,因而被越来越多地应用到实际中.通过工业CT技术得到相应体数据之后,需要对感兴趣区域(ROI)进行分割和提取,才能有利于进行进一步的分析.本文将二维RSKM算法推广到三维,并应用到几种不同类型的CT体数据中,获得了较理想的结果,且与鲁棒的三维CV算法做了比较.实验表明本文中的3D-RSKM算法综合性能较好,适用于分割多种类型的实际体数据.

摘要： 复杂动态路表和室外光照条件下如何鲁棒精确地识别图像中的激光线,是激光结构光在公路平整度测量应用中亟需解决的一个基础性关键问题.针对在公路表面的强反光特性地标线和复杂光照条件下,已有基于样条曲线和开曲线主动轮廓演化方法在激光线识别鲁棒性方面存在的问题,本文提出了一种基于刚性项约束主动轮廓模型的复杂路面激光线鲁棒识别方法.采用三次样条曲线进行更为精细的激光结构光光条曲线初始拟合,以降低主动轮廓模型对于初始值的敏感性,并在能量泛函中加入了以曲线弧长二阶导数表示的刚性项,保证曲线光滑演化的同时能够有效抑制曲线拉伸.在有效性验证实验中,不改变算法参数的情况下,分别选取了包含车辆阴影、白色标志线以及平整度极差路面共3种主要扰动因素的路面实际图像,与已有算法进行对比测试,实验结果表明了本文方法的良好识别精度和鲁棒性.

摘要： 本文基于主动轮廓模型(Snakes)理论研究了高分辨率遥感影像道路的提取。针对高分辨率遥感影像中道路特征，通过改进现存方法得出更为适合道路提取的主动轮廓模型，并利用其完成道路提取工作。通过对1米分辨率的IKONOS影像进行实验，结果表明该方法能够较好的提取出城市高分辨率影像中的道路信息。

摘要： 主动轮廓模型是一种有效的基于边缘的分割方法,然而,在MR脑图像的应用中,它却遇到了许多问题,例如背景复杂,同一解剖结构的灰度分布不一致以及边界不连续等.本文提出一种新的用于MR脑图像的轮廓提取算法.该算法不仅利用关于目标轮廓的先验知识对切片的边缘吸引力场进行边缘约束,减少相邻结构对曲线收敛的影响,还对进行边缘约束之后得到的边缘吸引力场进行正则化处理,增强模型对凹边缘的搜索能力和对断裂边缘正确提取的能力.实验证明,该算法可以克服传统主动轮廓模型在MR脑图像的应用中遇到的难题,从而快速有效地在MR脑图像中提取目标轮廓.

摘要： 针对待分割图像中存在灰度不均匀的现象，提出一种基于局部区域信息的活动轮廓模型。该模型引入函数提取图像局部区域信息，以增强光照不均匀条件下弱目标的识别能力。另外。通过结合测地线主动轮廓(GAC)模型和Chan-Vese(C-V)模型的优点，该方法对弱边界和模糊边界有较好的分割效果。实验结果表明该分割模型在灰度不均匀场景下具有良好的分割性能。

摘要： 针对待分割图像中存在灰度不均匀的现象，提出一种基于局部区域信息的活动轮廓模型。该模型引入函数提取图像局部区域信息，以增强光照不均匀条件下弱目标的识别能力。另外。通过结合测地线主动轮廓(GAC)模型和Chan-Vese(C-V)模型的优点，该方法对弱边界和模糊边界有较好的分割效果。实验结果表明该分割模型在灰度不均匀场景下具有良好的分割性能。

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： 本发明涉及一种基于主动轮廓模型的曲线降噪方法。本发明所述的曲线降噪方法，充分利用了snake模型可控制曲线连续性和光滑性的特点，并针对含有噪声的一维信号进行了算法改进，成功的将这种改进的方法用于曲线降噪。对于本方法处理的一维曲线情况，内部能量控制snake本身的性质，即控制含有噪声的曲线轮廓连续性和平滑度的力量；外部能量定义为曲线轮廓对蛇点限制的力量；均方误差的变化是迭代是否终止的判据。

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： 本发明提供一种基于主动轮廓模型的无监督医学图像分割方法和系统，该方法通过基于人工设置参数的主动轮廓模型生成部分数据的标注用于分割网络的预训练。在分割网络得到预训练后，针对大量不含有标注的新图像，使用分割网络进行预测，得到粗糙的预测结果，再按照设定策略对主动轮廓模型的参数进行自动调整，利用图像底层信息得到更加精确的目标区域轮廓。在经过质量评价网络对生成轮廓进行筛选后，使用较高质量的轮廓作为伪标签进一步对分割网络进行训练。不断循环迭代，实现不依赖人工标注的情况下对图像进行分割。本发明实现了无监督情况下的医学图像分割，在保证准确率的情况下极大地避免对成本高昂的数据标注依赖，具有很好的泛化性。

摘要： 本发明公开一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法。所述方法首先使用SLIC算法对图像进行预处理，得到超像素分割的结果。针对超像素分割的结果，计算不规则的超像素块之间的对比度以估计显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。然后用Canny算子提取显著图的区域边界，以显著性区域边界为初始曲线，构造初始水平集Φ。对目前主动轮廓CV模型所存在的参数过多等问题进行改进，使用改进过的主动轮廓CV模型进一步处理紫外图像，最终得到准确理想的紫外分割图像。