分享到:

目标轮廓提取方法研究

图像分割是图像处理、计算机视觉、模式识别中的核心问题,对它们的发展有非常大的影响。目标轮廓提取是图像分割重要研究内容,在图像识别与图像分析中占有重要地位,已广范应用于军事、医学图像分析等许多领域,取得了令人瞩目的研究成果。该文针对目标轮廓提取方法及应用,从以下四个方面进行了研究:(1) 基于偏微分方程目标轮廓提取方法; (2) 基于量子力学中粒子运动规律的目标轮廓提取方法; (3) 具有仿射不变性的目标轮廓自动提取; (4) 将具有仿射不变性的目标轮廓自动提取方法应用于舰船打击效果评估。该文首先对目前常用的基于偏微分方程目标轮廓提取方法,如主动轮廓模型、目标轮廓能量全局最小主动轮廓模型、拓扑自适性Snake 模型,以及水平集分割方法等作了比较,指出了各自的优缺点。在此基础上,改进了基于最小作用曲面与鞍点的封闭轮廓曲线提取方法,提出了一种基于最小作用曲面及图像二分法的封闭轮廓提取方法,用一条直线将图像分成两幅小图像,以一种简单的方  (本文共149页) 本文目录 | 阅读全文>>

武汉大学
武汉大学

聚焦超声治疗肿瘤的靶目标轮廓提取方法研究

作为一种非侵入性治疗肿瘤的医疗手段,高强度聚焦超声(High intensity focused ultrasound, HIFU)消融手术具有无皮肤创伤、疼痛轻、治疗效果高、术后恢复快等优点,近十几年来被广泛应用于临床治疗肿瘤中。超声图像监视在HIFU治疗中发挥着非常重要的作用,为医生提供了可视化的手术环境。然而现有的HIFU图像监视系统主要起视频监视的作用,在实施HIFU手术的时候,医师往往根据个人经验识别肿瘤位置,HIFU手术受人工操作的限制,手术定位精度差、效率低、耗时长,从而制约了其在肿瘤治疗领域的进一步发展。为了更安全、更高效、更精确地实现HIFU消融手术,HIFU治疗系统的一个重要发展方向是在系统中引入图像引导技术,利用超声图像处理技术由计算机自动识别并定位目标肿瘤,进而为医生提供可视化的引导信息,指导医生针对目标区域实施肿瘤消融手术。但是受超声自身成像特性的影响,HIFU超声图像对比度低,目标肿瘤的边缘不清晰,不...  (本文共133页) 本文目录 | 阅读全文>>

哈尔滨工程大学
哈尔滨工程大学

水下声纳图像的MRF目标检测与水平集的轮廓提取方法研究

随着海洋开发的快速发展,声纳技术作为水下探测的重要手段,在水下导航定位、目标跟踪识别和通信等方面发挥着越来越重要的作用。对水下声纳图像进行目标识别己经成为数字图像处理领域的一个重要课题。水下声纳图像目标检测和特征提取是水下声纳图像目标识别的关键步骤。基于马尔可夫随机场的检测方法能准确地描述每个像素所属类别与周围像素类别之间的重要依赖关系;基于水平集的轮廓提取方法具有很强的拓扑性,能对形状不规则以及具有空洞、重叠的水下目标进行轮廓提取。因此,本文重点对基于马尔可夫随机场的水下声纳图像目标检测和基于水平集的轮廓提取方法进行了深入的研究。主要包括如下内容:声纳图像的灰度分布模型在一定程度上,对基于模型的水下目标检测性能产生较大的影响。所以,在分析声纳图像成像原理及其特点之后,重点对声纳图像灰度分布模型进行了研究。目标高亮区灰度分布满足线性直线方程,并且这个方程只在某一范围内有意义,根据现有目标高亮区的规整化线性方程分布模型,提出一个正...  (本文共141页) 本文目录 | 阅读全文>>

陕西师范大学
陕西师范大学

基于GVF Snake模型的轮廓提取方法研究

轮廓提取作为图像处理到图像分析的关键步骤,为后续目标特征提取、识别与分类、理解等研究奠定了基础;其在生物医学图像处理、虚拟现实、自控车辆、工业在线自动检测等方面都有广泛的应用前景。因此,对轮廓提取方法的研究具有重要的理论意义和实用价值。基于活动轮廓模型的轮廓提取作为一种比较新颖且有效的轮廓提取方法,与传统的轮廓提取算法相比表现出很高的优越性。但是,模型本身也存在一些缺陷。本研究在系统分析了现有轮廓提取方法的基础上,重点研究了基于活动轮廓模型的轮廓提取方法,并针对GVF(梯度矢量流)Snake模型存在的对初始轮廓敏感和算法运行时间长的不足提出了改进方法。论文主要工作和结论如下:(1)总结了现有的目标轮廓提取方法,其中主要对活动轮廓模型方法进行了概述。(2)详细阐述了参数活动轮廓模型的数学表示方法、工作机制;介绍了三种主要的能量函数最小化方法并指出各自的特点;分析了参数活动轮廓模型的基本性能。(3)阐述了GVF Snake模型的工作...  (本文共61页) 本文目录 | 阅读全文>>

上海交通大学
上海交通大学

基于粒子滤波的图像分割算法研究

图像分割(Image Segmentation)是将图像分成若干具有特定意义的区域并将它们提取出来的图像处理技术。图像分割是图像理解和图像识别的前提,是图像理解与识别的初级阶段。图像分割的大致发展过程为早期的基于灰度和梯度的经典分割技术,如阈值法、边缘和区域技术;八十年代的活动轮廓模型技术,如参数活动轮廓模型和几何活动轮廓模型;以及近年来的结合形状等先验知识的分割方法,如活动形状模型和活动表面模型。图像分割技术的发展过程呈现了这样的趋势,也即所使用的先验信息越来越多,所具有的智能化程度越来越高,分割能力也将越来越强。本文从状态估计的角度考察图像分割问题,将它视为非高斯、非线性条件下的状态估计问题。粒子滤波是处理非高斯、非线性条件下状态估计问题的有力理论工具,它已经广泛用于解决目标跟踪、信号处理等领域中时间序列范畴的问题。已有一些学者尝试着将这一理论工具用于非时间序列范畴的领域,例如Patrick等借助目标跟踪算法的思路解决边缘跟...  (本文共96页) 本文目录 | 阅读全文>>

国防科学技术大学
国防科学技术大学

主动轮廓线模型算法研究

主动轮廓线模型(即Snake模型)是由Kass等人首次提出的算法,广泛地应用于计算机视觉及图像处理中的各个领域,如边缘检测、图像分割、运动跟踪等,特别应用于图像中感兴趣目标轮廓的提取。主动轮廓线模型引入高层知识,在处理局部间断的边缘时,具有优于传统轮廓提取方法的提取效果。主动轮廓线模型存在严重的缺陷——无法提取凹陷的目标轮廓。论文针对模型这一缺陷,提出了一种新的主动轮廓线模型——组合主动轮廓线模型。组合模型同时考虑图像的灰度特性和凹陷目标轮廓所具有的形状特性,在两种特性的共同指导下提取目标轮廓。有别于传统的主动轮廓线模型,组合主动轮廓线模型由全局主动轮廓线模型和局部主动轮廓线模型两部分组成。首先,组合主动轮廓线模型使用全局模型进行轮廓粗检测,在此基础上,基于SUSAN算子检测轮廓上的凹陷特征点来引入目标轮廓的形状特性;其后,组合模型在形状特性的指导下使用局部模型提取凹陷部分的目标轮廓。最后,融合全局模型和局部模型的提取结果形成最...  (本文共55页) 本文目录 | 阅读全文>>