基于方向气球力活动轮廓模型的图像分割
邮局订阅号：８２－９４６３６０元／年
技
术创新
图像处
理
《ＰＬＣ技术应用２００例》
您的论文得到两院院士关注
基于方向气球力活动轮廓模型的图像分割
ＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＵｓｉｎｇＤｉｒｅｃｔｉｏｎａｌＢａｌｌｏｏｎＦｏｒｃｅＡｃｔｉｖｅＣｏｎｔｏｕｒＭｏｄｅｌ
（江苏科技大学）祖克举
周昌雄
Ｚｕ，ＫｅｊｕＺｈｏｕ，Ｃｈａｎｇｘｉｏｎｇ
摘要：针对传统参数活动轮廓模型存在对轮廓线初始位置敏感的缺点，提出了方向气球力活动轮廓模型并应用于ＭＲＩ图像
分割。该模型利用底层图像分割的结果确定外力的方向，使气球力方向始终指向目标边界，引导轮廓线变形。
当轮廓线运动到目标边界附近时，在高斯势力作用下继续变形，完成图像高层分割。
实验结果表明，该模型与轮廓线初始位置无关，能实现ＭＲＩ图像的自动分割。
关键词：图像分割；方向气球力；活动轮廓模型；高斯势力
中图分类号：ＴＰ３９１
文献标识码：ＡＡｂｓｔｒａｃｔ：Ｔｒａｄｉｔｉｏｎａｌｐａｒａｍｅｔｒｉｃａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｉｓｓｅｎｓｉｔｉｖｅｔｏｔｈｅｉｎｉｔｉａｌｐｏｓｉｔｉｏｎ．Ａｎｉｍｐｒｏｖｅｄｅｘｔｅｒｎａｌｆｏｒｃｅｆｏｒｔｈｅａｃｔｉｖｅｃｏｎ－
ｔｏｕｒ，ｃａｌｌｅｄｄｉｒｅｃｔｉｏｎａｌｂａｌｌｏｏｎｆｏｒｃｅｉｓｐｒｏｐｏｓｅｄｔｏａｄｄｒｅｓｓｐｒｏｂｌｅｍａｓｓｏｃｉａｔｅｄｗｉｔｈｉｎｉｔｉａｌｉｚａｔｉｏｎａｎｄｉｓｕｓｅｄｔｏｓｅｇｍｅｎｔＭＲＩｉｍａｇｅｓ．Ｉｎｔｈｉｓｍｏｄｅｌｔｈｅｄｉｒｅｃｔｉｏｎｏｆｔｈｅｆｏｒｃｅｉｓｄｅｃｉｄｅｄｂｙｔｈｅｒｅｓｕｌｔｓｏｆｌｏｗ－ｌｅｖｅｌｓｅｇｍｅｎｔａｔｉｏｎａｎｄａｌｗａｙｓｐｏｉｎｔｓｔｏｏｂｊｅｃｔｂｏｕｎｄａｒｙｔｏｍａｋｅｔｈｅｃｏｎｔｏｕｒｄｅｆｏｒｍ．Ｉｎｔｈｅｖｉｃｉｎｉｔｙｏｆｏｂｊｅｃｔｂｏｕｎｄａｒｙ，Ｇａｕｓｓｉａｎｐｏｔｅｎｔｉａｌｆｏｒｃｅｄｒｉｖｅｓｔｈｅｃｏｎｔｏｕｒｔｏｗａｒｄｓｂｏｕｎｄａｒｙａｎｄｈｉｇｈ－ｌｅｖｅｌｓｅｇｍｅｎｔａｔｉｏｎｉｓｉｍｐｌｅｍｅｎｔｅｄ．ＴｈｅｅｘｐｅｒｉｍｅｎｔｓｏｆｓｅｇｍｅｎｔｉｎｇｌｅｆｔｖｅｎｔｒｉｃｌｅＭＲＩｉｍａｇｅｓｓｈｏｗｔｈａｔｔｈｉｓｍｏｄｅｌｂｅｉｎｄｅｐｅｎｄｅｎｔｏｆｔｈｅｉｎｉｔｉａｌｐｏｓｉｔｉｏｎａｎｄｃａｎｓｅｇｍｅｎｔｉｍａｇｅａｕｔｏｍａｔｉｃａｌｌｙ．
Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ｄｉｒｅｃｔｉｏｎａｌｂａｌｌｏｏｎｆｏｒｃｅ；ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌ；Ｇａｕｓｓｉａｎｐｏｔｅｎｔｉａｌｆｏｒｃｅ
文章编号：１００８－０５７０（２００６）１０－３－０３０１－０３
引言
Ｋｉｓｓ等提出的经典参数活动轮廓模型在图像感兴趣区域定义一条带有能量的样条曲线，曲线在自身内力和图像信息产生的外力共同作用下使曲线沿能量降低的方向形变，最终收敛到目标的边界。
在活动轮廓模型中外力一般取高斯势力，它是图像灰度梯度的负值，在图像灰度变化均匀区域，高斯势力为零，不提供任何引导轮廓线变形的信息，轮廓线在内力的作用下最终收缩为一个点。高斯势力只包括图像局部信息，所以只有当初始轮廓线在目标边界附近时，才能收敛到实际目标边界，在远离目标区域时迅速下降为零。针对这一缺点，Ｃｏｈｅｎ提出附加另外一种外力———气球力的活动轮廓模型。气球力垂直于
轮廓线指向外法线方向，使轮廓线向外扩张，当初始轮廓线全部位于目标区域内部时，能正确收敛到实际的目标边界。当初始轮廓线全部位于背景区域或跨越目标和背景两个区域时，气球力模型无法使轮廓线收敛到实际的目标边界。文献通过结合小波系数，在气球力模型基础上，提出了有向图像力（ＤＩＦ）的概念，图像经过离散小波变换后，通过判断小波系数，取得过零点的方向和模值，再通过与Ｓｎａｋｅ轮廓线的法向方向点乘得到ＤＩＦ，该模型在判定图像力方向时只利用了局部信息，虽然能解决尖角和凹陷问题，但算法有时不稳定，且由于采用小波变换，计算时间明显提高。Ｘｕ提出的梯度向量流（ＧｒａｄｉｅｎｔｖｅｃｔｏｒＦｌｏｗＧＶＦ）是通过扩散方程把梯度信息扩展到更远的均匀区域，能使远离目标边界的初始轮廓线收敛到凹形目标边界，由于需要解扩散方程，ＧＶＦ计算量很大。为此在气球力Ｓｎａｋｅ模型中融入图像全局信息，使得气球力可以根据底层图像的分割结果选择形变方向，指导高层图像分割。模型既能保持气球力模型稳定、抗干扰能力强的特点，同时与轮廓的初始位置无关，能够实现图像的自动分割。
１气球力Ｓｎａｋｅ模型
参数活动轮廓模型在数学上可定义为Ｘ（ｓ）＝（ｘ（ｓ），ｙ（ｓ））的集合，其中Ｘ（ｓ）是轮廓线上的二维坐标点，ｓ是归一化的弧长，取值为０≤ｓ≤１，轮廓线的能量函数为
（１）
其中Ｅｉｎｔ为内部能量，Ｅｅｘｔ为外部能量，通过最小化（１）式，轮廓线沿能量降低方向变形，其中
（２）
（２）式中的右边第一项为弹性能量，第二项为刚性能量。ａ（ｓ），β（ｓ）分别为弹性系数和刚性系数，一般取常数。内部能量控制着轮廓线的平滑性和连续性。
（３）
其中，为Ｉ（ｘ，ｙ）图像的灰度值，Ｇσ（ｘ，ｙ）表示标准偏差为σ的二维高斯滤波算子，＊是卷积算子，为梯度算子，Ｇσ＊Ｉ为平滑滤波
2
(())[()()]P X s G x y I x y σ=??? ?祖克举：硕士研究生讲师
江苏省教育厅自然科学基金资助项目（２００２３１６）
３０１－－
技
术创新
中文核心期刊《微计算机信息》（管控一体化）２００６年第２２卷第１０－３期
３６０元／年邮局订阅号：８２－９４６《现场总线技术应用２００例》
图像处理
卷积用于降低计算梯度的噪声。
根据变分原理，使（１）式最小化得到欧拉———拉格朗尔方程
（４）
（４）式实际上是一个力平衡方程。内力Ｆｉｎｔ为（４）式左边前两项，高斯势力Ｆｅｘｔ为（４）式左边第三项，把（４）式改写为动态经典经Ｓｎａｋｅ模型如下：
（５）
其中为阻尼系数。气球力模型是在高斯势力基础上引入垂直于轮廓线的恒力
（６）
ｎ（ｓ）为轮廓线的外法线方向，ｋ１，ｋ２为常数。当ｋ１为正常数时外力为气球力，使轮廓线向外扩张；当Ｋ１为负，外力为压力使轮廓线向内收缩。在一个具体变形模型中，Ｋ１只取正值或只取负值。当初始轮廓线位于合适
位置时，该模型才能使轮廓线变形到真实的目标边界。
３方向气球力Ｓｎａｋｅ模型
高斯势力只含图像的局部信息，捕获目标边界范围较小，气球力是数值大小恒定，方向垂直于轮廓线指向外法线方向，在轮廓线变形过程中，无法随环境自适应地改变气球力方向，因此气球力Ｓｎａｋｅ模型对初始轮廓线的位置较敏感。若气球力能根据图像的全局信息始终指向目标边界一侧，那么轮廓线才能正确收敛到目标边界。
３．１最大类间方差阈值分割
最大类间方差法是分割域值自动选取的最优方法，广泛用于图像分割与目标识别中。设灰度图像分为目标和背景两个区域，ｔ为分割两区域的阈值，目标和背景两区域均值分别为μ１和μ２，基于最大类间方
差预分割的阀值为μ＊，整幅图像的均值为μ。μ１、μ２、μ＊包含有整幅图像的全局信息，经域值分割后的目标和
背景区域与整幅图像的面积比分别为θ１、θ２，则有μ
＝μ１θ１＋μ２θ２。
同一区域常常具有灰度相似特性，而不同区域则表现为明显的灰度差异，当被阈值ｔ分割后，两个区域间灰度差较大时，两个区域的平均灰度μ１，μ２与整幅图像平均灰度μ之差也较大，区域间的方差是描述这
种差异有效参数，σ２
Ｂ为预分割后类间方差
（７）
当类间方差达到最大时，即，被认为是两区域的最佳预分割。
３．２方向气球力模型
不失一般性，设目标均值小于背景均值，即μ１＜μ２。
用最大类间方差阈值分割的结果改进气球力模型，得到方向气球力为
（８）
称（８）式为方向气球力模型，该模型包含了图像的全局信息。其中Ｉ（ｘ，ｙ）为（ｘ，ｙ）点像素的灰度值，Ｓｇｎ为符
号函数，ε为一很小正常数。当μ＊
＞Ｉ时，轮廓线处于目标区域，这时方向气球力为气球力，轮廓线向外扩张；
当μ＊＜Ｉ时，轮廓线处于背景区域，这时方向气球力为压力，轮廓线向内收缩。当轮廓线变形到目标边界附近，方向气球力为零，在高斯势力作用下轮廓线收敛
到真实的目标边界。
方向气球力模型的初始轮廓线可以部分位于目标区域，部分位于背景区域，而轮廓线仍然可以在方向气球力作用下变形，最终收敛到实际的目标边界。方向气球力Ｓｎａｋｅ模型与传统气球力相比，只增加了求最大类间方差的计算量。
４实验与讨论
实验采用方向气球力模型对左心室心内肌边界进行分割。实验中，取γ＝１，ａ＝０．０５，β＝０，ｋ１＝２，ｋ２＝０．１５。图１为该算法分割ＭＲＩ图像的初始轮廓及分割结果。图１（ａ）原始图像及初始轮廓（初始轮廓与目标边界相交）。图１（ｂ）为轮廓变形中间过程，如红色所示。图１（ｃ）为轮廓迭代１５０次后的图像分割结果。
（ａ）原始图像及初始轮廓（ｂ）轮廓变形中间过程（ｃ）图像分割结果
图１左心室心内肌ＭＲＩ图像分割
在图１（ａ）中，初始轮廓与目标边界相交，此时在平坦区域高斯势力为零，经典参数活动轮廓模型（Ｓｎａｋｅ）无法将轮廓线变形到目标边界。在方向气球力模型中，
目标轮廓外侧由于最大类间分割域值μ＊小于灰度值Ｉ，方向气球力表现为压力，指向目标区域，使轮廓线向
内变形；而在目标轮廓内侧μ＊
大于灰度值Ｉ，方向气球
力表现为气球力，指向背景区域，把轮廓线推向目标边界处。当轮廓线进入目标边界区域时向气球力为零，轮廓线在高斯势力作用下继续变形得到实际的目标边界。由于引进了气球力的方向信息，轮廓曲线能收敛到正确的目标边界，对初始轮廓曲线位置不敏感。图２为气球力模型对带有高斯噪声的ＭＲＩ图像
进行分割。图２（ａ）为图１（ａ）加入均值为０，方差为０．０１的高斯噪声后的图像，图２（ｂ）为轮廓变形中间过程，如红色所示。图２（ｃ）为轮廓迭代３００次后的分割结果。由图２（ｃ）可知，对于带高斯噪声的图像，该模型仍能取得满意的分割结果。
可见方向气球力模型有效地分割出了左心室心
int ext ()()0F X F X +=γ３０２－－
邮局订阅号：８２－９４６３６０元／年
技
术创新
图像处
理
《ＰＬＣ技术应用２００例》
您的论文得到两院院士关注
内肌边界，与初始轮廓曲线位置无关，能够实现图像的自动分割。由图２可知，对于带高斯噪声的图像，应用该模型也能取得较好的分割结果。
（ａ）含高斯噪声的原始（ｂ）轮廓变形中间过程（ｃ）图像分割结果
图像及初始轮廓
图２带有高斯噪声的左心室心内肌ＭＲＩ图像分割
５结束语
本文作者创新点：提出了方向气球力活动轮廓模型。该模型首先进行图像底层分割，获得包含全局信息的两区域均值及分割阈值；然后进行图像高层分割，即利用底层分割信息来选择气球力方向，使之始终指向目标边缘一侧，引导轮廓线变形。当轮廓线进入目标边界区域时方向气球力为零，在高斯势力作用下轮廓线继续变形，实现对目标边界的准确分割。模型既保持了气球力稳定、抗干扰能力强的优点，同时克服了气球力模型对轮廓线初始位置敏感的局限性。实验结果表明，方向气球力模型与轮廓曲线的初始位置无关，能够实现图像的自动分割。
参考文献：
［１］ＫａｓｓＭ，ＷｉｔｋｉｎＡ，ＴｅｒｚｏｐｏｕｌｏｓＤ．Ｓｎａｋｅ：Ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎ．１９８８，１（４）：３２１－３３１．［２］罗希平，田捷，诸葛婴等．图像分割方法综述［Ｊ］．模式识别与机器
只能．１９９９，１２（３）：３００－３１２．
［３］ＣｏｈｅｎＬＤ．Ｏｎａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｓａｎｄｂａｌｌｏｏｎｓ［Ｊ］．ＣＶＧＩＰｉｍａｇｅｕｎｄｅｒｓｔａｎｄｉｎｇ．１９９１，５３（２）：２１１－２１８．
［４］ＺｕｇａｊＤａｎｄＬａｔｔｕａｔｉＶ．ＡＮｅｗＡｐｐｒｏａｃｈｏｆＣｏｌｏｒＩｍａｇｅｓＳｅｇ－ｍｅｎｔａｔｉｏｎＢａｓｅｄｏｎＦｕｓｉｎｇＲｅｇｉｏｎａｎｄＥｄｇｅＳｅｇｍｅｎｔａｔｉｏｎＯｕｔ－ｐｕｔｓ［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ．１９９８，３１（２）：１０５－１１３．
［５］ＷｕＨｅｉｅｎ＿Ｈｓｕｍ，ＬｉｕＪｙｈ－Ｃｈａｒｎ，ＣｈａｒｌｅｓＣｈｕｉ．Ａｗａｖｅｌｅｔｆｒａｍｅｂａｓｅｄｉｍａｇｅｆｏｒｃｅｍｏｄｅｌｆｏｒａｃｔｉｖｅｃｏｎｔｏｕｒｉｎｇａｌｇｏｒｉｔｈｍｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ．２０００，９（１１）：１９８３－１９８７．［６］ＸｕＣ，ＰｒｉｎｃｅＪＬ．Ｓｎａｋｅｓ，ｓｈａｐｅｓａｎｄｇｒａｄｉｅｎｔｖｅｃｔｏｒｆｌｏｗ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｍａｇｉｎｇＰｒｏｃｅｓｓｉｎｇ．１９９８，７（３）：３５９－３６９．［７］ＣｏｈｅｎＬＤ，ＣｏｈｅｎＩ．Ｆｉｎｉｔｅｅｌｅｍｅｎｔｍｅｔｈｏｄｓｆｏｒａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｓａｎｄｂａｌｌｏｏｎｓｆｏｒ２－Ｄａｎｄ３－ＤＩｍａｇｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃ－ｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ．１９９３，１５（１１）：１１３１－１１４７．
［８］门蓬涛，张秀彬等．基于ＮＭＩ特征的目标识别与跟踪［Ｊ］．微计算
机信息．２００４，３：２４－２６．
作者简介：祖克举（１９７６－），男，硕士研究生，讲师．研究领
域为图像处理．Ｅ－ｍａｉｌ：ｚｕｋｅｊｕ＠１２６．ｃｏｍ；周昌雄（１９６５－），男，博士研究生，副教授．研究领域为图像处理．
（２１２００３江苏镇江江苏科技大学电子信息学院）祖克举周昌雄
（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ
ａｎｄ
Ｔｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｊｉａｎｇ
２１２００３，Ｃｈｉｎａ）Ｚｕ，Ｋｅｊｕ
Ｚｈｏｕ，Ｃｈａｎｇｘｉｏｎｇ
（投稿日期：２００６．２．２１）（修稿日期：２００６．３．２９）
（上接第２９７页）
试验结果的最佳水平组合为Ａ２Ｂ３Ｄ２，而试验分析的最佳水平组合为Ａ２Ｂ１Ｄ２，认证试验结果表明，由本试验方案所得的优化了的水平组合Ａ２Ｂ１Ｄ２是满意的。
本试验是在土壤颗粒大小相对一致的情况下进行的，前期的预备试验表明，土壤颗粒大小不一致会对图像分割质量产生较大的影响，这有待于今后的进
一步研究。
参考文献：
［１］Ｍ．Ｓ．Ｅｌ－Ｆａｋｉ，Ｎ．Ｚｈａｎｇ，Ｄ．Ｅ．Ｐｅｔｅｒｓｏｎ．ＦａｃｔｏｒｓａｆｆｅｃｔｉｎｇＣｏｌｏｒ－ｂａｓｅｄＷｅｅｄＤｅｔｅｃｔｉｏｎ．ＴｒａｎｓａｃｔｉｏｎｓｏｆＡＳＡＥ，２０００，４３（４）：１００１～
１００９．
［２］李了了，邓善熙．ＭＡＴＬＡＢ在图像处理技术方面的应用．微计算机信息，２００３，２：６５－６６．
［３］孙家广，胡事民．计算机图形学基础教程．清华大学出版社，２００５．
［４］ＣｈａｎｇＹＣ，ＲｅｉｄＪＦ．Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆａｃｏｌｏｒｖｉｓｉｏｎｓｙｓｔｅｍ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＡＳＡＥ，１９９８，３９（１）；２６３～２７３
［５］ＴａｒｂｅｌｌＫＡ，ＲｅｉｄＪＦ．Ｓｐａｔｉａｌａｎｄｓｐｅｃｔｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｃｏｒｎｌｅａｖｅｓｃｏｌｌｅｃｔｅｄｕｓｉｎｇｃｏｍｐｕｔｅｒｖｉｓｉｏｎ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＡＳＡＥ，１９９１，３４（５）：２２５６～
２２６３作者简介：毛罕平（１９６１－），男，汉，江苏大学农业工程研究院，教授，博士生导师，主要研究方向：计算机视觉在农业工程中的应用，现代设施农业．Ｅ－ｍａｉｌ：ｍａｏｈｐ＠ｕｊｓ．
ｅｄｕ．ｃｎ；钱丹（１９８０－）；女；汉；江苏大学农业工程研究院；硕士研究生；主要研究方向为信息技术在生物环境中的应用。
Ｂｉｏｇｒａｐｈｙ：ＭａｏＨａｎｐｉｎｇ（１９６１－），Ｍａｌｅ，Ｈａｎ，ＩｎｓｔｉｔｕｔｅｏｆＡｇｒｉｃｕｌ－ｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，ＤｏｃｔｏｒａｎｄＰｒｏｆｅｓｓｏｒ．Ｒｅ－ｓｅａｒｃｈＤｉｒｅｃｔｉｏｎ：ＡｐｐｌｉｃａｔｉｏｎｓｏｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎｉｎＡｇｒｉｃｕｌｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇ，ＭｏｄｅｒｎＦａｃｉｌｉｔｉｅｓＡｇｒｉｃｕｌｔｕｒｅ，Ｅ－ｍａｉｌ：ｍａｏｈｐ＠ｕｊｓ．
ｅｄｕ．ｃｎ；
（２１２０１３江苏镇江江苏大学农业工程研究院江苏现代农业装备与技术重点实验室）毛罕平钱丹
通讯地址：（２１２０１３江苏省镇江市江苏大学农业工程研究院）钱丹
（投稿日期：２００６．２．２０）（修稿日期：２００６．３．２６）
３０３－－
一种适用于血管图像分割的活动轮廓模型
第27卷 第5期2010年 10月 生物医学工程学杂志 Journal of Biomedical E ngineering V ol.27 N o.5 October 2010 一种适用于血管图像分割的活动轮廓模型3 田 飞 杨 丰Δ 刘国庆 (南方医科大学生物医学工程学院,广州510515) 摘 要:本文提出了一种适用于血管图像分割的活动轮廓模型。根据局部轮廓曲线与血管边界的吻合状况,该模型能够自适应地调节能量方程中全局强度信息和局部强度信息的比重。实验结果表明,此模型能够有效地应用于非均匀、含噪声血管造影图像的分割。与其它方法相比,该方法对轮廓曲线的初始位置不敏感,且无需对引入参数进行人工调节。 关键词:Chan2Vese模型;图像分割;灰度非均匀;LBF模型 中图分类号 TP391.41 文献标识码 A 文章编号 100125515(2010)0520968206 An Active Contour Model Applied to V ascular Image Segmentation Tian Fei Yang Feng Liu G uoqing (Depart ment of B iomedical Engineeri ng,S out hern Medical Universit y,Guangz hou510515,China) Abstract:In this paper is presented an active contour model applied to vascular image segmentation.This model can adaptively adjust the proportion of global and local intensity information in accord with the anastomosis status be2 tween local contour and boundaries.Our method is able to work effectively on segmentation of angiographic image with intensity inhomogeneity and https://www.wendangku.net/doc/3b15178889.html,pared with other methods,our method is not sensitive to initialization and it eliminates the need for manual adjustment of new parameter. K ey w ords:Chan2Vese model;Image segmentation;Intensity inhomogeneity;LBF model 引言 血管图像分割是循环系统血管分析的一个重要组成部分,也是血管三维重建、定量分析的基础。由于血管中造影剂的分布不均往往造成血管在血管造影图像中亮度非均匀,加上图像噪声的影响,使得血管很难从造影图像中分割出来。在众多的图像分割方法/算法中,基于曲线演化的活动轮廓模型因其演化过程与处理结果是一条清晰、完整的目标轮廓曲线,而成为当前研究热点对象,大量的活动轮廓模型被提出并应用于图像分割和计算机视觉处理。目前存在的活动轮廓模型主要被分成两类:基于边界的活动轮廓模型[123]和基于区域的活动轮廓模型[429]。基于边界的活动轮廓模型依靠目标边界的图像梯度终止轮廓曲线的演化。因此基于边界的活动轮廓模型容易跨过弱边界发生“泄漏”现象。与基于边界的活动轮廓模型相比,基于区域的活动轮廓模型不依 3国家自然科学基金资助项目(60672115) Δ通讯作者。E2mail:yangf@https://www.wendangku.net/doc/3b15178889.html, 赖目标边界的梯度信息,因此对弱目标边界的图像具有较好的分割效果。在众多基于区域的活动轮廓模型中,C2V模型[5]得到较为广泛的应用。C2V模型又被称为分段常量(PC)模型,该模型基于假设图像由一系列的灰度均匀区域构成。但是,对于一些含有非均匀特性的血管造影图像,C2V模型往往很难把非均匀血管准确地从背景中分割出来。 为克服灰度非均匀给医学图像分割带来的困难,Li等[8]提出了一种局部二元拟合(local binary fitting,LBF)能量模型。LB F模型使用了局部图像灰度信息,能够解决灰度非均匀性给图像分割带来的问题。但是,LB F模型的局部特性使得该模型对初始轮廓曲线的位置较为敏感。为了克服这种现象,Wang等[9]提出了一种利用全局和局部强度拟合信息的活动轮廓模型。在该模型中,能量泛函是由一个局部强度拟合能量项和一个辅助的全局强度拟合能量项组成。由于含有全局强度拟合能量,该模型能够在一定程度上降低活动轮廓曲线对初始位置的敏感性,同时增大了活动轮廓曲线收敛到非均
图像分割技术与MATLAB仿真
中南民族大学 毕业论文(设计) 学院: 计算机科学学院 专业: 自动化年级:2012 题目: 图像分割技术与MATLAB仿真 学生姓名: 高宇成学号:2012213353 指导教师姓名: 王黎职称: 讲师 2012年5月10日
中南民族大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名：年月日
目录 摘要 (1) Abstract (1) 引言 (3) 1 图像分割技术 (3) 1.1 图像工程与图像分割 (3) 1.2 图像分割的方法分类 (4) 2 图像分割技术算法综述 (5) 2.1 基于阈值的图像分割技术 (5) 2.2边缘检测法 (5) 2.3 区域分割法 (7) 2.4 基于水平集的分割方法 (8) 2.5 分割算法对比表格 (8) 3基于水平集的图像分割 (9) 3.1 水平集方法简介 (9) 3.2 水平集方法在图像分割上的应用 (9) 3.3 仿真算法介绍 (10) 3.4 实验仿真及其结果 (11) 结论 (18) 致谢 (19) 参考文献 (19)
图像分割技术研究及MATLAB仿真 摘要：作为一项热门的计算机科学技术，图像分割技术已经在我们生活中越来越普及。顾 名思义这项技术的目的就是，将目标图像从背景图像中分离出去。由于这些被分割的图像区域在某些属性上很相近，因此图像分割与模式识别以及图像压缩编码有着密不可分的关系。完成图像分割所采用的方法各式各样，所应用的原理也不同。但他们的最终目的都是把图像中性质相似的某些区域归为一类，把性质差异明显的不同区域分割开来。通常在分割完成之后，我们就要对某些特定区域进行分析、计算、评估等操作，因而分割质量的好坏直接影响到了下一步的图像处理[1]，因此图像分割是图像处理的一个关键步奏。图像分割技术在各个领域都有着及其重要的意义；在工业上有卫星遥感，工业过程控制监测等等；在医学方面，水平集的分割方法还可以通过医学成像帮助医生识别模糊的病变区域；在模式识别领域还可应用到指纹扫描、手写识别、车牌号识别等等。 本课题的研究内容是对图像分割技术的几种常用的方法进行综述和比较，并基于其中一种方法进行MATLAB仿真测试，给出性能分析比较结果。 关键字：图像分割，MA TLAB仿真，模式识别 Image Segmentation and Matlab Simulation Abstract:Image segmentation is to image representation for the physically meaningful regional connectivity set, namely according to the prior knowledge of target and background, we on the image of target and background of labeling and localization, then separate the object from the background. Because these segmented image regions are very similar in some properties, image segmentation is often used for pattern recognition and image understanding and image compression and coding of two major categories. Because the generated in the segmented region is a kind of image content representation, it is the image of visual analysis and pattern recognition based and segmentation results of quality of image analysis, recognition and interpretation of quality has a direct impact. Image segmentation it is according to certain features of the image (such as gray level, spectrum, texture, etc.) to a complete picture of the image is segmented into several meaningful area. These features made in a certain region of consistent or similar, and between different regions showed significantly different. Image segmentation technology in various fields have most of the field and its important significance in digital image processing, image segmentation has a wide range of applications, such as industrial automation, process control, online product inspection, image coding, document image processing, remote sensing and medical image analysis, security surveillance, as well as military, sports and other aspects. In medical image processing and analysis, image segmentation for body occurrence of three-dimensional display of the diseased organ or lesion location determination and analysis plays an effective role in counseling; in the analysis and application of road traffic conditions,
图像分割技术的GUI设计
图像分割技术的GUI设计 一、概述（意义及背景） 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。 二、设计方案 利用MATLAB中的GUI（图形用户界面），实现图像的读取，边缘检测，四叉树分解，直方图阈值分割，二值化差值的实现，并设计了退出按钮。 三、实现步骤 1、打开MATLAB; 2、打开Command Window 窗口中输入guide或点击快捷键 ; 3、在GUIDE Quick Start 窗口中选择Blank GUI(Default)中选择Blank GUI(Default),再单击OK; 4、在新出现的窗口中选择需要的GUI控件； 5、在控件上右击选择View Callbacks—callback; 6、输入各控件对应的回调函数； 四、系统调试及验证 完成后系统是这样的
1、单击系统前置图的运行按钮进入系统调试 2、点击第一个模块相应按钮完成相应实验 点击读取图片按钮的效果点击图像边缘检测按钮的效果 点击四叉树分解按钮的效果点击直方图阈值分割按钮的效果3、点击第二个模块相应按钮完成相应的实验
点击读取原图按钮的效果点击读取背景图按钮的效果 点击二值化差值图按钮的效果 4、点击退出按钮结束实验 点击退出按钮结束实验 五、参考文献 [1] 杨帆.数字信号处理与分析[M]. 北京:北京航空航天大学出版社，2010. [2] 徐飞，施晓红.MATLAB应用图像处理[M].西安.西安电子科技大学出版社，
运动目标图像的识别与跟踪
运动目标图像的识别与跟踪 本文主要目的是将视频摄像头中的运动目标从背景中提取出来，并加以跟踪。首先考虑的是常见的目标检测的算法，其次考虑对于噪声的滤除，最后是对运动目标的跟踪。 一、基本目标检测算法 我们主要考虑的目标检测的算法主要有三种，光流场法、背景模型法以及时域差分法。 1.1光流场法 光流主要是图像亮度模式的表现运动。而光流场则是指灰度模式的表面运动。一般条件下，我们可以根据图像的运动，进行估算相对运动。 光流场法的基本理论是光流场基本方程： 0=++t y x I vI uI (1.1) 式中我们根据亮度守恒，利用泰勒公式展开，忽略高阶项与二次项。其中x I 、y I 和t I 是图像在对数轴x 、y 两个方向和t 的的导数，()v u ,就是这个点的光流坐标。 光流场法的目标检测，在摄像机运动时候也可以做出判断，但是图像的噪声太过明显，使得计算数据庞杂，计算的公式更加复杂，这样并不适合我们的对于目标跟踪的高精度的摄像系统。 1.2背景模型法 背景模型法，也被称为背景差法，主要利用当前的图像和背景的图像的二值化做差，然后取阈值，分割运动目标。 首先根据： ()()()y x b y x f y x D t t t ,,,-= (1.2) 我们可以得到当前的图像帧数()y x f t ,和背景图像的帧数),(y x b t 做差，然后以公式对图像进行二值化的处理。 ???≤>=)(,0)(,1),(BackGround T D ForeGround T D y x P t t t (1.3) 上面),(y x P t 是二值化模板图。假设某一区域大于一个给定的面积的时候，该区域就是我们要找的目标区域。 背景模型法的算法简单，可以快速反应，并且可以提供运动目标的大略特征等数据。但是对于复杂背景下，比如人流较大的公共场所，或者有光照等干扰时，就需以其他的算法以不断更新背景信息来进行弥补。
基于方向气球力活动轮廓模型的图像分割
邮局订阅号：８２－９４６３６０元／年 技 术创新 图像处 理 《ＰＬＣ技术应用２００例》 您的论文得到两院院士关注 基于方向气球力活动轮廓模型的图像分割 ＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＵｓｉｎｇＤｉｒｅｃｔｉｏｎａｌＢａｌｌｏｏｎＦｏｒｃｅＡｃｔｉｖｅＣｏｎｔｏｕｒＭｏｄｅｌ （江苏科技大学）祖克举 周昌雄 Ｚｕ，ＫｅｊｕＺｈｏｕ，Ｃｈａｎｇｘｉｏｎｇ 摘要：针对传统参数活动轮廓模型存在对轮廓线初始位置敏感的缺点，提出了方向气球力活动轮廓模型并应用于ＭＲＩ图像 分割。该模型利用底层图像分割的结果确定外力的方向，使气球力方向始终指向目标边界，引导轮廓线变形。 当轮廓线运动到目标边界附近时，在高斯势力作用下继续变形，完成图像高层分割。 实验结果表明，该模型与轮廓线初始位置无关，能实现ＭＲＩ图像的自动分割。 关键词：图像分割；方向气球力；活动轮廓模型；高斯势力 中图分类号：ＴＰ３９１ 文献标识码：ＡＡｂｓｔｒａｃｔ：Ｔｒａｄｉｔｉｏｎａｌｐａｒａｍｅｔｒｉｃａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｉｓｓｅｎｓｉｔｉｖｅｔｏｔｈｅｉｎｉｔｉａｌｐｏｓｉｔｉｏｎ．Ａｎｉｍｐｒｏｖｅｄｅｘｔｅｒｎａｌｆｏｒｃｅｆｏｒｔｈｅａｃｔｉｖｅｃｏｎ－ ｔｏｕｒ，ｃａｌｌｅｄｄｉｒｅｃｔｉｏｎａｌｂａｌｌｏｏｎｆｏｒｃｅｉｓｐｒｏｐｏｓｅｄｔｏａｄｄｒｅｓｓｐｒｏｂｌｅｍａｓｓｏｃｉａｔｅｄｗｉｔｈｉｎｉｔｉａｌｉｚａｔｉｏｎａｎｄｉｓｕｓｅｄｔｏｓｅｇｍｅｎｔＭＲＩｉｍａｇｅｓ．Ｉｎｔｈｉｓｍｏｄｅｌｔｈｅｄｉｒｅｃｔｉｏｎｏｆｔｈｅｆｏｒｃｅｉｓｄｅｃｉｄｅｄｂｙｔｈｅｒｅｓｕｌｔｓｏｆｌｏｗ－ｌｅｖｅｌｓｅｇｍｅｎｔａｔｉｏｎａｎｄａｌｗａｙｓｐｏｉｎｔｓｔｏｏｂｊｅｃｔｂｏｕｎｄａｒｙｔｏｍａｋｅｔｈｅｃｏｎｔｏｕｒｄｅｆｏｒｍ．Ｉｎｔｈｅｖｉｃｉｎｉｔｙｏｆｏｂｊｅｃｔｂｏｕｎｄａｒｙ，Ｇａｕｓｓｉａｎｐｏｔｅｎｔｉａｌｆｏｒｃｅｄｒｉｖｅｓｔｈｅｃｏｎｔｏｕｒｔｏｗａｒｄｓｂｏｕｎｄａｒｙａｎｄｈｉｇｈ－ｌｅｖｅｌｓｅｇｍｅｎｔａｔｉｏｎｉｓｉｍｐｌｅｍｅｎｔｅｄ．ＴｈｅｅｘｐｅｒｉｍｅｎｔｓｏｆｓｅｇｍｅｎｔｉｎｇｌｅｆｔｖｅｎｔｒｉｃｌｅＭＲＩｉｍａｇｅｓｓｈｏｗｔｈａｔｔｈｉｓｍｏｄｅｌｂｅｉｎｄｅｐｅｎｄｅｎｔｏｆｔｈｅｉｎｉｔｉａｌｐｏｓｉｔｉｏｎａｎｄｃａｎｓｅｇｍｅｎｔｉｍａｇｅａｕｔｏｍａｔｉｃａｌｌｙ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ｄｉｒｅｃｔｉｏｎａｌｂａｌｌｏｏｎｆｏｒｃｅ；ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌ；Ｇａｕｓｓｉａｎｐｏｔｅｎｔｉａｌｆｏｒｃｅ 文章编号：１００８－０５７０（２００６）１０－３－０３０１－０３ 引言 Ｋｉｓｓ等提出的经典参数活动轮廓模型在图像感兴趣区域定义一条带有能量的样条曲线，曲线在自身内力和图像信息产生的外力共同作用下使曲线沿能量降低的方向形变，最终收敛到目标的边界。 在活动轮廓模型中外力一般取高斯势力，它是图像灰度梯度的负值，在图像灰度变化均匀区域，高斯势力为零，不提供任何引导轮廓线变形的信息，轮廓线在内力的作用下最终收缩为一个点。高斯势力只包括图像局部信息，所以只有当初始轮廓线在目标边界附近时，才能收敛到实际目标边界，在远离目标区域时迅速下降为零。针对这一缺点，Ｃｏｈｅｎ提出附加另外一种外力———气球力的活动轮廓模型。气球力垂直于 轮廓线指向外法线方向，使轮廓线向外扩张，当初始轮廓线全部位于目标区域内部时，能正确收敛到实际的目标边界。当初始轮廓线全部位于背景区域或跨越目标和背景两个区域时，气球力模型无法使轮廓线收敛到实际的目标边界。文献通过结合小波系数，在气球力模型基础上，提出了有向图像力（ＤＩＦ）的概念，图像经过离散小波变换后，通过判断小波系数，取得过零点的方向和模值，再通过与Ｓｎａｋｅ轮廓线的法向方向点乘得到ＤＩＦ，该模型在判定图像力方向时只利用了局部信息，虽然能解决尖角和凹陷问题，但算法有时不稳定，且由于采用小波变换，计算时间明显提高。Ｘｕ提出的梯度向量流（ＧｒａｄｉｅｎｔｖｅｃｔｏｒＦｌｏｗＧＶＦ）是通过扩散方程把梯度信息扩展到更远的均匀区域，能使远离目标边界的初始轮廓线收敛到凹形目标边界，由于需要解扩散方程，ＧＶＦ计算量很大。为此在气球力Ｓｎａｋｅ模型中融入图像全局信息，使得气球力可以根据底层图像的分割结果选择形变方向，指导高层图像分割。模型既能保持气球力模型稳定、抗干扰能力强的特点，同时与轮廓的初始位置无关，能够实现图像的自动分割。 １气球力Ｓｎａｋｅ模型 参数活动轮廓模型在数学上可定义为Ｘ（ｓ）＝（ｘ（ｓ），ｙ（ｓ））的集合，其中Ｘ（ｓ）是轮廓线上的二维坐标点，ｓ是归一化的弧长，取值为０≤ｓ≤１，轮廓线的能量函数为 （１） 其中Ｅｉｎｔ为内部能量，Ｅｅｘｔ为外部能量，通过最小化（１）式，轮廓线沿能量降低方向变形，其中 （２） （２）式中的右边第一项为弹性能量，第二项为刚性能量。ａ（ｓ），β（ｓ）分别为弹性系数和刚性系数，一般取常数。内部能量控制着轮廓线的平滑性和连续性。 （３） 其中，为Ｉ（ｘ，ｙ）图像的灰度值，Ｇσ（ｘ，ｙ）表示标准偏差为σ的二维高斯滤波算子，＊是卷积算子，为梯度算子，Ｇσ＊Ｉ为平滑滤波 2 (())[()()]P X s G x y I x y σ=??? ?祖克举：硕士研究生讲师 江苏省教育厅自然科学基金资助项目（２００２３１６） ３０１－－
图像分割算法的比较与分析
中北大学 课程设计说明书 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学院：信息与通信工程学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法的比较与分析 指导教师：陈平职称: 副教授 2014 年12 月29 日
中北大学 课程设计任务书 14/15 学年第一学期 学院：信息与通信工程学院专业：电子信息工程 学生姓名：学号： 课程设计题目：信息处理综合实践: 图像分割算法的比较与分析起迄日期：2015年1月5日～2015年1月16日课程设计地点：电子信息工程专业实验室 指导教师：陈平 系主任：王浩全 下达任务书日期: 2014 年12月29 日课程设计任务书
课程设计任务书
目录 第一章绪论 (1) 研究目的和意义 (1) 图像分割的研究进展 (1) 第二章区域生长法分割图像 (4) 区域生长法介绍 (4) 区域生长法的原理 (4) 区域生长法的实现过程 (5) 第三章程序及结果 (6) 区域生长算法及程序 (6) 图像分割结果 (7) 第四章方法比较 (8) 阈值法 (8) 区域法 (8) 分水岭法 (8) 形态学方法 (9) 第五章总结 (10) 参考文献 (11)
第一章绪论 研究目的和意义 图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割;但某些分割方法只是适合于某些特殊类型的图像分割，所以分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。 图像分割是由图像处理到图像分析的关键步骤，在图像工程中占有重要位置。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象、更紧凑的表达形式，使得更高层的图像分析和理解成为可能。因此在实际应用中，图像分割不仅仅要把一幅图像分成满足上面五个条件的各具特性的区域，而且要把其中感兴趣的目标区域提取出来。只有这样才算真正完成了图像分割的任务，为下一步的图像分析做好准备，使更高层的图像分析和理解成为可能。 图像分割在很多方面，如医学图像分析，交通监控等，都有着非常广泛的应用，具有重要的意义。(1)分割的结果常用于图像分析，如不同形式图像的配准与融合，结构的测量，图像重建以及运动跟踪等。(2)在系统仿真，效果评估，图像的3D重建以及三维定位等可视化系统中，图像分割都是预处理的重要步骤。 (3)图像分割可在不丢失有用信息的前提下进行数据压缩，这就降低了传输的带宽，对提高图像在因特网上的传输速度至关重要。(4)分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。 图像分割的研究进展 图像分割是图像处理中的一项关键技术，至今已提出上千种分割算法。但因
一种自动提取目标的主动轮廓法
第31卷第5期 光 子 学 报 V o l.31No.5 2002年5月 ACTA PHOT ONICA SINICA M ay2002 一种自动提取目标的主动轮廓法 李熙莹 倪国强 (北京理工大学光电工程系,北京100081) 摘 要 提出一种新的广泛应用于数字图象分析和计算机视觉的主动轮廓(Snake)模型,引入作用方向可以自适应变化的外加强制力,使控制点能够不依赖于初始轮廓而快速地收敛 到目标的真实轮廓;初始轮廓自动确定;控制点的数目可以自适应地改变;能够在背景比较 复杂的图象中实现对目标轮廓的提取.用该模型对空中目标的红外图象进行的实验结果表 明其具有很好的鲁棒性和实用性. 关键词 主动轮廓法;Snake;红外图象;轮廓提取 0 引言 主动轮廓模型又称为Snake模型,是由Kass 于1987年提出的1,它融合了分割过程的三个阶段,使得检测得到的目标边界就是一光滑连接的曲线.其主要思想是定义一个能量函数,在Snake由初始位置向真实轮廓逐渐靠近时,寻找此能量函数的局部极小值,即通过对能量函数的动态优化来逼近目标的真实轮廓.此能量函数主要由内部能量函数及外部能量函数组成.内部能量函数考虑包络本身的连续性和各点曲率的大小;外部能量函数则主要涉及到图象的一些具体情况,如图象灰度变化的梯度等因素. Kass的Snake模型中,用参量表示轮廓线v(s)=(x(s),y(s))(s为轮廓弧长),其能量函数定义为 E*snake=∫10E snake(v(s))d s =∫10[E int(v(s))+E image(v(s))+E con(v(s))](1)式中,E int表示主动轮廓线的内部能量,也叫内部力;E image表示图象作用力产生的能量,也叫图象力;E con表示外部限制作用力产生的能量,叫约束力.后两项和称为外部能量E ext=E image+ E con.内部力起到平滑轮廓、保持轮廓连续性的作用;图象力表示轮廓点与图象局部特征吻合的情况;约束力是各种人为定义的约束条件. Kass的算法存在要求外力可微、不稳定、控制参量无法确定、计算量大和时间开销大等缺点. Amini2、William s3等人改进了Kass的算法,引入硬强制力,且大大提高了运行速度(Amini的算法运算量为O(m3n)Williams的Gr eedy算法运算为O(mn),m为迭代的领域大小,n为Snake控制点的数目).不过,它们仍存在一些问题,如迭代效果依赖于初始轮廓点的选取;控制点在迭代中向高曲率边缘堆积;控制点数目固定不变,不能随目标大小变化调节等.有许多研究者针对原始Snake的缺点进行了模型改进或算法改进,如对角点判定的阈值选取方法加以改进、按照一定的规则调节控制点间距、采用不同的图象特征能量模型4,5等,不过对于初始轮廓点依然敏感或运算比较复杂。 本文以William的Greedy算法为参考,提出了一种自动的主动轮廓法(Auto-Snake),引入作用方向可自适应变化的外加强制力,从而使控制点能快速地收敛到目标的真实轮廓,不依赖于初始轮廓;初始轮廓自动确定,无需人工干预;控制点的数目可以自适应地改变;明确了各个参量的选择.该算法不仅继承前人算法的优点,而且保证算法快速收敛,适用于多种场合,在背景比较复杂的图象中也可以实现对目标轮廓的提取. 1 K ass的主动轮廓法能量模型 Kass和Snake模型中,内部能量可表示为轮廓对弧长的一阶导数项v s(s)和二阶导数项v ss(s)
图像分割方法综述
图像分割方法综述
图像分割方法综述 摘要：图像分割是计算计视觉研究中的经典难题，已成为图像理解领域关注的一个热点，本文对近年来图像分割方法的研究现状与新进展进行了系统的阐述。同时也对图像分割未来的发展趋势进行了展望。 关键词：图像分割；区域生长；活动边缘；聚类分析；遗传算法 Abstract:Image segmentation is a classic problem in computer vision,and become a hot topic in the field of image understanding. the research actuality and new progress about image segmentation in recent years are stated in this paper. And discussed the development trend about the image segmentation. Key words: image segmentation; regional growing; active contour; clustering
analysis genetic algorithm 1 引言 图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 关于图像分割技术，由于问题本身的重要性和困难性，从20世纪70年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。虽然到目前为止，还不存在一个通用的完美的图像分割的方法，但是对于图像分割的一般性规律则基本上已经达成的共识，已经产生了相当多的研究成果和方法。本文根据图像发展的历程，从传统的图像分割方法、结合特定工具的图像分割方
图像分割程序设计汇总
******************* 实践教学 ******************* 兰州理工大学 计算机与通信学院 2012年秋季学期 图像处理综合训练 题目：图像分割程序设计 专业班级： 姓名： 学号： 指导教师： 成绩：
目录 摘要 (1) 一、前言 (2) 二、算法分析与描述 (3) 三、详细设计过程 (5) 四、调试过程中出现的问题及相应解决办法 (8) 五、程序运行截图及其说明 (8) 六、简单操作手册 (12) 设计总结 (15) 参考资料 (16) 致谢 (17) 附录 (18)
摘要 图像分割就是从图像中将某个特定区域与其他部分进行分离并提取出来的处理 通常又称之为图像的二值化处理。图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。 关键词：图像分割；阈值；二值化；
一、前言 图形图像处理的应用领域涉及人类生活和工作的各个方面，它是从60年代以来随计算机的技术和VLSI的发展而产生、发展和不断成熟起来的一个新技术领域理论上和实际应用上都并取得了巨大的成就。数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化，所以图形图像的处理在我们的生活中又很重要的作用。在对图像的研究和应用中，人们往往只对图像中的某些部分感兴趣。这些部分通常称为目标或前景，它们一般对应图像中特定的、具体独特性质的区域。为了辨识和分析目标，需要将它们分别提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成各具特性的区域并提取出感兴趣的目标的技术和过程。在图象分析中,通常需将所关心的目标从图象中提取出来,即图象的分割。图象分割在图象分析,图象识别,图象检测等方面占有非常重要的位置。
基于主动轮廓模型的图像分割算法
2007年第4期 漳州师范学院学报(自然科学版) No. 4. 2007年 （总第58期） Journal of Zhangzhou Normal University （Nat. Sci.） General No. 58 文章编号:1008-7826(2007)04-0041-06 基于主动轮廓模型的图像分割算法 高 梅1 , 余 轮2 (1. 福建行政学院, 福建 福州 350002; 2. 福州大学 物理与信息工程学院, 福建 福州 350002) 摘 要: 主动轮廓模型算法是目前流行的图像分割算法, 其主要优点是无论图像的质量如何, 总可以抽取得 到光滑、封闭的边界. 本文综述了主动轮廓模型算法的发展概况, 并分类介绍了各算法的特点. 此外, 本文还给出 了算法发展的方向, 以及今后研究所面临的关键问题. 关键词: 图像分割 ; 主动轮廓模型 ; 水平集方法 ; 纹理分割 中图分类号： TP391.41 文献标识码： A 1 引言 图像分割的任务是把图像分成互不交叠的有意义的区域，每个区域内部的像素都具相似性，而在边界处具有非连续性. 它是图像分析和理解的首要一步，分割结果的好坏直接影响对图像的理解. 由于尚无通用的分割模型，现有的分割算法都是针对具体问题的，因此，图像分割的研究多年来仍然受到人们的高度重视[1]. 基于变分的方法是近年来研究颇为活跃的一个分支，它将图像分割问题表达为能量函数的最小化，并由变分原理将其转化为偏微分方程的求解[2]. 相比于传统的区域分割方法，变分方法可以通过定义能量函数，综合考虑几何约束、与图像内容有关的约束条件，获得更加自然的分割效果. 主动轮廓模型是目前流行的基于变分的图像分割算法[3]. 其主要优点是无论图像的质量如何，总可以抽取得到光滑、封闭的边界. 它的基本思想是在图像上定义一个初始轮廓线，通过最小化能量函数，驱使轮廓线形变运动至目标边界. 早期的主动轮廓模型存在一定的限制，它对初始值比较敏感，尤其是不具备自动拓扑变化能力；水平集方法则通过将轮廓线看作演化曲线，能够对其拓扑变化进行很自然地处理，同时也降低对初值的敏感性[4]. 结合水平集方法的主动轮廓模型因而被广泛地应用于图像处理与计算机视觉领域. 2 主动轮廓模型方法概述 上世纪八十年代后期，Kass 等人突破了传统的分层视觉模型，提出称为Snake 的主动轮廓模型，开创了基于形变模型的图像处理的先河[5]. 近二十年来，相关改进和扩展研究已经不仅仅局限于最初的图像分割领域，而被越来越多的研究者成功地运用于计算机视觉的其它领域，如图像复原、运动跟踪、3D 重建等等[6]. Snake 是一条闭合的参数曲线))(),(()(s y s x s =C ，参数]1,0[∈s ，它能主动地调整其形状和位置，使能量函数达到最小[3]： ()∫++=1 0 ))(( ))(( ))(( )(ds s E γs E βs E C E con img int C C C α 其中，Snake 的移动由三项共同控制：内部能量int E 确保曲线的光滑度和规则性；图像能量img E 吸引Snake 移至期望的图像特征，比如边缘；约束能量con E 指定一些求解约束. 式中的内部能量常用曲线弧长和曲率 收稿日期: 2007-06-22 作者简介: 高 梅(1964-), 女, 河北省南和县人, 讲师.
沈阳理工大学迭代阈值法图像分割程序设计
成绩评定表 学生姓名高冰钰班级学号1303030402 专业 电子信息工程课程设计题目 基于最大类间方差法图 像分割程序设计 —迭代阈值法 评 语 组长签字： 成绩 日期2016年7月18日
课程设计任务书 学院信息科学与工程专业电子信息工程 学生姓名高冰钰班级学号1303030402 课程设计题目基于最大类间方差法图像分割程序设计—迭代阈值法实践教学要求与任务： 本设计要求利用Matlab进行编程及仿真，仿真内容为基于最大类间方差法图像分割程序设计——迭代阈值法。利用所学数字图象处理技术知识，在Matlab软件系统上来实现图像分割，并且对程序进行测试。要求如下： （1）掌握课程设计的相关知识、概念、思路及目的。 （2）程序设计合理、能够正确运行且操作简单，可实施性强。 （3）掌握图像分割的方法。 （4）能够利用迭代阈值法进行图像分割。 工作计划与进度安排： 第一阶段（1-2）天：熟悉matlab编程环境，查阅相关资料； 第二阶段（2-3）天：算法设计； 第三阶段（2-3）天：编码与调试； 第四阶段（1-2）天：实验与分析； 第五阶段（1-2）天：编写文档。 指导教师： 2016年7月3日专业负责人： 2016年7月4日 学院教学副院长： 2016年7月4日
摘要 数字图像处理的目的之一是图像识别，而图像分割是图像识别工作的基础。图像分割是从图像预处理到图像识别和分析、理解的关键步骤，在数字图像处理中占据重要的位置。图像分割的目的是将图像分成一些有意义的区域并对这些区域进行描述。 图像分割的方法主要有点相关分割、区域相关分割、阈值法、界限检测法、匹配法、跟踪法等。本设计主要采用阈值分割法中的迭代阈值法，利用MATLAB 软件中的图像处理函数将图像导入，然后对图像进行灰度变换，通过迭代法求图像最佳分割阈值，根据该阈值对图像进行分割，从而产生二值化后的图像。仿真结果表明，通过迭代法选取的阈值是比较准确的，可以采用此阈值对图像进行分割。 关键词：图像分割；迭代阈值法；MATLAB
图像分割技术
图像分割技术 图像分割就是将一副数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度、颜色、纹理等，而任何相邻区域之间器性质具有明显的区别。 主要包括：边缘分割技术、阈值分割技术和区域分割技术。 1.边缘分割技术 边缘检测是检测图像特性发生变化的位置，是利用物体和背景在某种图像特性上的差异来实现的。不同的图像灰度不同，边界处会有明显的边缘，利用此特征可以分割图像。边缘检测分割法是通过检测出不同区域边界来进行分割的。 常见的边缘检测方法：微分算子、Canny算子和LOG算子等，常用的微分算子有Sobel算子、Roberts算子和Prewit算子等。 （1）图像中的线段 对于图像的间断点，常用检测模板： -1 -1 -1 -1 8 -1 -1 -1 -1?????????? 对于图像中的线段，常用的检测模板： 检测图像中的线段： close all;clear all;clc; I=imread('gantrycrane.png'); I=rgb2gray(I); h1=[-1,-1,-1;2 2 2;-1 -1 -1];%模板 h2=[-1 -1 2;-1 2 -1;2 -1 -1]; h3=[-1 2 -1;-1 2 -1;-1 2 -1]; h4=[2 -1 -1;-1 2 -1;-1 -1 2]; J1=imfilter(I,h1);%线段检测 J2=imfilter(I,h2); J3=imfilter(I,h3); J4=imfilter(I,h4); J=J1+J2+J3+J4;%4种线段相加 figure, subplot(121),imshow(I); subplot(122),imshow(J); （2）微分算子 ○1Roberts算子的计算公式： 采用edge()函数进行图像的边缘检测。 Roberts算子进行图像的边缘检测： close all; clear all;clc; I=imread('rice.png'); I=im2double(I); %Roberts算法进行边缘检测
一种区域自适应主动轮廓模型的图像分割方法
Computer Engineering and Applications 计算机工程与应用 2015，51（9）1引言自从Kass 等人提出主动轮廓模型以来[1]，就广泛应用于图像分割领域。其主要原因是因为主动轮廓模型和其他经典分割方法（如边缘检测法、阈值法[2]等）相比，能够得到光滑闭合曲线。目前，它仍然是计算机视觉的研究热点问题之一[3-4]。主动轮廓模型根据驱动力的不同可分为基于边界信息[5]和基于区域信息[6]的两类主动轮廓模型。一般来 说，基于边界信息的主动轮廓模型是以图像的梯度作为轮廓演化的驱动力[7-8]，对强边界图像具有很好的分割效果，但对弱边界图像，如核磁共振图像，分割效果却较差，而且由于要对图像求梯度，因此对噪声非常敏感。基于区域信息的主动轮廓模型以图像区域内的统计信 息（如均值、方差等）作为轮廓演化的驱动力[8-10]。由于一种区域自适应主动轮廓模型的图像分割方法 邢辉1，彭亚丽1，刘侍刚1，范虹1，孙建成2 XING Hui 1,PENG Yali 1,LIU Shigang 1,FAN Hong 1,SUN Jiancheng 2 1.陕西师范大学计算机科学学院，西安710062 2.西安电子科技大学计算机学院，西安710071 1.School of Computer Science,Shaanxi Normal University,Xi ’an 710062,China 2.School of Computer Science and Technology,Xidian University,Xi ’an 710071,China XING Hui,PENG Yali,LIU Shigang,et al.Regional adaptive active contour model for image https://www.wendangku.net/doc/3b15178889.html,-puter Engineering and Applications,2015,51（9）：176-179. Abstract ：In order to effectively segment intensity inhomogeneous image,this paper presents a regional adaptive active contour model for image segmentation.In the model,an energy function including a local energy term and a global energy term is defined.At the beginning of evolution,the force from the global energy term which is larger than the one from the local energy term is overwhelming,which has the advantages of fast convergence speed.On the contrary,in the late of evolution,the force from the local energy is overwhelming,which has the advantages of positioning precision.Experimental results show that the model can fast and effectively segment the intensity inhomogeneous images. Key words ：active contour model;level set;image segmentation 摘要：为了有效地分割灰度不均匀图像，提出了一种区域自适应主动轮廓模型，在该模型中，定义了一个包含全局能量项和局部能量项的能量泛函。在算法的初期，全局能量项占主导地位，它具有收敛速度快、对初始轮廓不敏感的优点。在算法的后期，局部能量项占主导地位，它具有定位精度高的优点。理论分析和实验结果表明，该模型具有收敛速度快、分割精度高、对初始轮廓不敏感等优点。 关键词：主动轮廓模型；水平集；图像分割 文献标志码：A 中图分类号：TP391doi ：10.3778/j.issn.1002-8331.1306-0204 基金项目：国家自然科学基金（No.61402274）；中国博士后科学基金特别资助（No.200902594）；陕西师范大学中央高校基本科研 业务费项目（No.GK201302029，No.GK201402040）；陕西省自然科学基础研究计划项目（No.2011JM8014）；陕西省科学技术研究发展计划项目（No.21012K06-36）；教育部高等学校博士学科点专项科研基金课题（No.20110202120002）；陕西师范大学实验技术研究项目（No.SYJS201329）；陕西师范大学2012年度校级重点教学改革研究项目（No.884407）；陕西师范大学大学生创新创业训练计划项目（No.CX12034）。 作者简介：邢辉（1985—），男，硕士研究生，研究领域为计算机视觉；彭亚丽（1979—），女，博士，讲师，研究领域为模式识别和图像 处理；刘侍刚（1973—），男，博士，副教授，研究领域为模式识别和图像处理；范虹（1969—），女，博士，副教授，研究领域为模式识别和智能处理；孙建成（1973—），男，博士，教授，研究领域为宽带通信和信号处理。E-mail ：dddxyh@https://www.wendangku.net/doc/3b15178889.html, 收稿日期：2013-06-19修回日期：2014-03-28文章编号：1002-8331（2015）09-0176-04 CNKI 网络优先出版：2014-04-21,https://www.wendangku.net/doc/3b15178889.html,/kcms/doi/10.3778/j.issn.1002-8331.1306-0204.html 176