导读:本文包含了主动轮廓线模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,轮廓,主动,图像,水平,函数,能量。
主动轮廓线模型论文文献综述
姜春英,闫子龙,牛祥鑫,叶长龙,于苏洋[1]（2019）在《基于局部主动轮廓模型的飞机壁板铆接孔定位方法研究》一文中研究指出对飞机壁板铆接孔的定位方法进行了研究,提出了一种基于局部主动轮廓模型的铆接孔定位方法。首先通过基于灰度直方图的全局阈值分割和形心法进行铆接孔的粗定位;然后以粗定位坐标为圆心建立遍历圆,并以遍历圆作为限制条件构造能量圆,建立能量方程求解遍历圆内能量最小的像素点为铆接孔的精定位位置;最后进行视觉引导铆接孔定位试验,试验测得定位误差小于0.05mm,满足飞机壁板自动铆接的工艺要求,且比传统的区域主动轮廓模型定位精度高,具有一定的可行性。(本文来源于《航空制造技术》期刊2019年10期）
张丰收,韩敬阳,曹军杰[2]（2019）在《基于图像熵的主动轮廓分割模型》一文中研究指出针对传统的基于区域的主动轮廓模型分割灰度不均匀医学图像,不能充分利用图像局部区域灰度变化信息,而导致分割结果不够准确。提出一种基于图像熵的整体与部分信息混合的主动轮廓模型。该模型是在CV(Chan-Vese)模型保真项的基础上,结合局部区域信息与反映图像灰度变化特性的图像熵,并引入避免水平集函数初始化和保持曲线平滑的正则项,赋予归一化比例调节系数,通过变分方法和梯度下降流求解最小化能量泛函,更新水平集函数方程,完成曲线的演化。实验结果表明该模型对灰度不均匀医学图像分割精度方面优于CV模型,其分割效率方面相比LBF模型提高了52.2%,是实用有效的分割方法。(本文来源于《智能计算机与应用》期刊2019年03期）
孙文燕[3]（2018）在《基于主动轮廓模型的医学图像分割方法研究》一文中研究指出图像分割是图像处理和计算机视觉领域的一项基础性工作,主要目的是从图像中提取出感兴趣的目标或区域以便分析和识别。医学图像的分割是指从医疗设备采集的医学影像中提取出特定组织器官或病灶的边缘,用于辅助医生诊断疾病,制定治疗方案以及手术导航等。设备的成像技术原理、参数的设置以及成像过程中人体器官的运动等都会对采集到的医学图像质量产生影响。因此,对于同一解剖结构,不同模态的医学图像都会有所差别。即使同一模态,在不同时间采集到的图像也可能不同。而且,医学图像中存在的灰度不均匀、伪影、噪声等问题,容易导致目标轮廓模糊不清,这些都为医学图像局部目标的分割增加了难度。主动轮廓模型是一种基于曲线形变的图像分割方法,闭合曲线的演化由最小化描述曲线的能量泛函而导出的速度函数来控制。本文开展了基于主动轮廓模型的图像分割方法的研究,并将提出的模型应用于灰度不均匀医学图像的分割。本文的主要工作包括以下几个方面。(1)基于局部符号压力函数的主动轮廓分割模型研究针对灰度不均匀图像的选择性分割问题,提出一种改进的基于局部符号压力函数的分割模型。该模型利用曲线上像素点的局部符号压力函数设计演化速度函数的局部项,并采用局部邻域的同质性系数进行加权。当曲线位于图像的局部灰度均匀区域时,局部符号压力函数为0,则局部速度函数项为0。为了防止此时曲线停止演化,引入自适应加权的全局速度函数项来驱动曲线的演化。在灰度不均匀合成图像和医学图像上的实验结果证明了该模型能够根据初始轮廓自适应地实现全局或局部目标分割。(2)基于显着图和可变宽度窄带的主动轮廓分割模型研究采用主动轮廓模型进行图像分割时,需要给定一个闭合的曲线作为初始轮廓,初始轮廓的位置和大小都会对分割结果产生影响。为了减少人为给定初始轮廓的主观性,利用显着性检测和自适应阈值法提取出靠近目标的初始轮廓。然后,根据图像的局部均值和方差构建一种可变宽度的窄带,并设计一种简化的基于局部信息的速度函数控制曲线在窄带范围内演化。实验表明基于显着图和可变宽度窄带的主动轮廓模型可以较好地实现图像的自动分割,并在一定程度上提高了运行效率。而且,该模型可以通过增加一个包围盒限定初始轮廓的提取范围,实现局部目标分割。(3)基于平均模糊能量和对比度约束的主动轮廓局部分割模型研究为了实现鲁棒的局部分割,将模糊隶属度函数引入主动轮廓模型的能量函数中,定义了一种平均模糊能量函数形式,并且在曲线的演化过程中引入一个对比度约束条件,辅助判断曲线上像素点是否到达边缘。合成图像和医学图像上的实验结果表明,基于平均模糊能量的主动轮廓模型具有较强的局部分割能力,对比度约束条件可有效防止曲线因陷入局部极小值而停止演化。平均模糊能量函数可以分为加权平均和算术平均两种形式,将加权平均与算术平均模糊能量函数进行线性组合,并采用自适应的对比度约束阈值,可得到基于平均模糊能量的主动轮廓局部分割模型的推广形式。实验结果表明,对于背景复杂和灰度不均匀的医学图像,算术平均能量项的引入增加了分割模型的不稳定性,在分割精度上没有明显改善,但局部分割能力有所提高,扩展了只有加权平均模糊能量主动轮廓模型的应用范围。(4)基于图割和局部统计信息的主动轮廓局部分割模型研究为了提高主动轮廓局部分割模型的运行效率,利用图割代替梯度下降流实现能量函数的最小化,提出一种改进的基于图割的主动轮廓模型。在迭代过程中,根据演化曲线以及预先设定的外边界构建动态的窄带,将窄带内的像素点映射为网络图中的节点。利用局部邻域的灰度均值和Kullback-Leibler距离为图的n-links和t-links赋予权值,然后使用最大流/最小割算法对图进行切割,从而实现窄带内的图像分割。灰度不均匀合成图像和医学图像上的实验结果表明提出的模型能够充分利用图像的局部特征,更高效地实现图像的局部分割。本论文的创新点主要体现在以下几个方面。(1)为了减少人为给定初始轮廓的主观性,提出一种改进的基于显着图和阈值法的初始轮廓自动提取方法,设计的可变宽度窄带以及简化的速度函数有效提高了主动轮廓分割模型的运行效率。(2)将模糊隶属度函数引入主动轮廓模型的能量函数中,提出一种基于平均模糊能量函数和对比度约束的主动轮廓局部分割模型,定义了自适应的对比度约束阂值形式,有效地防止曲线陷入局部极小值,提高了分割模型的鲁棒性。(3)为了提高主动轮廓分割模型的运行效率,提出一种改进的基于图割的主动轮廓局部分割模型,利用局部区域的统计信息对窄带网络图中的边进行加权,更有利于灰度不均匀图像的特征提取,实现高效准确的局部分割。(本文来源于《山东大学》期刊2018-09-03）
钱海明,张印,王春林,孙金彦,黄祚继[4]（2018）在《利用能量函数和主动轮廓模型提取道路边缘线》一文中研究指出针对高分辨率遥感影像道路边缘线交叉口断裂问题,提出一种利用能量函数和主动轮廓型提取遥感道路边缘线方法。在利用概率增进树算法和形态学运算提取道路条带,通过细化算法获取道路中心线基础上,沿道路中心线外推以检测初始道路双边缘线;鉴于道路边缘线存在局部曲率变化过大的问题,利用梯度特征和光谱信息构建能量函数,设计路径代价,结合Dijkstra算法优化初始道路双边缘线。通过构建Snake模型,利用离散动态规划算法解算模型,连接交叉口断裂处,解决交叉口断裂问题,进而得到最终道路双边缘线。实验结果表明,该方法能够较好提取连续、平滑的道路双边缘线,准确率达88%。(本文来源于《遥感信息》期刊2018年04期）
徐阳,徐礼胜,罗洋,冯朝路,康颖[5]（2018）在《基于主动轮廓模型的磁共振图像左心室分割研究现状》一文中研究指出在心脏成像技术中,磁共振成像(Magnetic Resonance Imaging,MRI)因具有非侵入、无辐射、高分辨率等优点应用最为广泛。心脏结构与功能量化分析以左心室精准分割为前提。因此,设计有效算法实现左心室精准分割对心血管疾病早期诊断乃至预防具有重要意义。近几年作为流行方法之一,主动轮廓模型(Active Contour Model,ACM)在左心室分割方面取得很大进步。本文综述了近10年来主动轮廓模型基于心脏短轴MRI影像分割左心室的研究成果。据算法性质不同,本文将对以梯度矢量流为代表的参数主动轮廓模型的改进算法和以水平集为代表的几何主动轮廓模型的改进算法进行分别综述。最后对算法性能进行比较,并提出今后主动轮廓模型分割左心室算法的研究趋势和挑战,以使读者充分了解技术现状与未来发展趋势。(本文来源于《中国医疗设备》期刊2018年08期）
张荣华,吴益,王亨,肖磊,唐劲天[6]（2018）在《基于几何主动轮廓模型的图像分割方法》一文中研究指出为改善传统水平集方法对初始轮廓极其敏感、对复杂图像分割不准确的缺陷,提出一种改进的几何主动轮廓模型分割新方法,构造了新的边缘终止函数,在曲线演化过程中应用可变权系数,算法不依赖轮廓的初始位置,演化曲线也能快速地转化为目标边界.此外,该方法可以识别包含内边界的对象,多目标与尖角边界分割结果理想,可应用到医学图像分割.仿真表明:分割结果的J系数在0.91以上,D系数不低于0.95,算法准确性高.(本文来源于《天津工业大学学报》期刊2018年03期）
周咏,顾桂梅,冉建民[7]（2018）在《基于改进主动轮廓模型的钢轨表面缺陷分割》一文中研究指出针对钢轨表面图像灰度分布不均匀、目标缺陷轮廓边缘模糊的问题,提出了以C-V模型和LBF模型为基础的主动轮廓模型分割算法.首先,结合C-V模型和LBF模型建立最小化能量泛函模型,并对模型进行凸优化处理;然后,通过对局部子块进行卷积得到演化曲线内外局部灰度均值;最后,采用Split Bregman迭代算法进行模型求解,解决了C-V模型和LBF模型收敛速度慢、对初始轮廓位置敏感和容易陷入局部最小等问题.使用该模型对含有掉块、钢轨接缝或裂纹缺陷叁类常见的钢轨表面图像进行分割,仿真实验结果表明,该模型在初始轮廓位置的选择及分割性能上明显优于单一的C-V模型和LBF模型.(本文来源于《兰州交通大学学报》期刊2018年03期）
宋思聪[8]（2018）在《基于局部特征向量的主动轮廓Mumford-Shah模型CT图像分割研究》一文中研究指出近叁四十年间,随着计算机物联网、计算机视觉、人工智能等新技术快速发展,图像处理技术的重要性也越发的凸显。图像分割作为从图像数据到关键图像数据分析的中间环节和重要过程,一直是图像图形研究中心的研究重点。图像分割问题自提出至今的几十年间,已有数种分割的基本算法以及几十种改进和变型,其中Snake和Mumford-Shah作为主动轮廓模型中曲线演化类别里比较经典的模型在近叁十年中被深入研究。在本文中我们针对本课题的研究对象CT图像提出基于主动轮廓模型Mumford-Shah模型的改进算法。在分析了经典的Mumford-Shah模型及相关的改进算法后,我们发现大部分的改进算法都是从模型的初始化策略和能量泛函的最小值求解两个方面入手,因此我们也将从这两个角度对经典的MumfordShah模型进行改进。针对Mumford-Shah模型的初始化策略,我们提出首先通过PCA主成分分析方法对图像数据进行降维处理,对于降维后的图像特征向量,我们使用K-means这种通用的聚类方法作为分割曲线的初始位置算法。对于已经完成以上两个预处理过程的图像数据,我们再使用Mumford-Shah模型进行图像分割。曲线演化模型Mumford-Shah求解图像分割是通过求得其模型的能量泛函最小值,从而获得图像分割的最优结果,因此关于求解MumfordShah模型最小值问题,我们先通过凸松弛技术对模型的能量泛函的离散问题进行优化,再使用Chambolle-Pock对偶算法求解凸松弛后的模型优化问题,最终得到图像分割结果。我们提出的改进算法主要是针对医疗CT图像中的脾进行分割,对于CT图像数据我们将采用局部频谱直方图算法提取图像的局部特征。在用该改进算法和相近相似分割算法进行实验后,我们可以得到结论,我们提出的基于Mumford-Shah模型的改进算法对CT图像的分割有很好的分割结果,并且有很强的鲁棒性。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
董瑞[9]（2018）在《基于主动轮廓模型的图像协同分割方法研究》一文中研究指出近年来,图像协同分割逐渐成为图像分割领域的研究热点。作为一种弱监督分割方法,协同分割假设一组图像存在相同或相似的目标,从而利用该信息,实现比一幅图像更好的分割效果;相对于有监督分割方法,图像协同分割方法无需人工标记训练样本,具有更好的应用前景。在过去的十多年里,协同分割取得了巨大的发展,从基于马尔可夫随机场模型的协同分割方法发展到基于多种理论和模型的协同分割方法;从图像对的协同分割发展到多图像的协同分割;从单目标的协同分割发展到多目标的协同分割;从图像协同分割发展到视频协同分割。然而,当图像较为复杂时,目前方法的效果仍有待提高,研究图像协同分割具有重要的意义。几何主动轮廓模型,即水平集方法,具有诸多优势,它能将图像数据信息、曲线固有属性等知识整合在一个能量泛函中;能够灵活地处理演化曲线的拓扑变化等。本文基于几何主动轮廓模型,研究图像协同分割方法,提出了两种改进方法:(1)提出了一种基于PCA重构误差的主动轮廓模型,实现图像协同分割。基于PCA的重构技术使用PCA正交基向量的线性组合重新构造原始数据,并使用重构误差来衡量重构效果。本文将PCA重构技术引入到图像协同分割方法中,通过PCA分解获取图像对中联合前景的基向量集以及每幅图像中背景的基向量集;采用这些基向量分别重构每幅图像的前景和背景,并基于重构误差设计相关正则项;将相关正则项加入主动轮廓模型中,通过迭代演化实现图像协同分割。(2)提出了一种基于Hellinger距离的主动轮廓模型,实现图像协同分割。相对于其他距离度量,Hellinger距离满足叁角不等式性质,常被用于衡量两个概率分布的相似性,且具有简单的形式。本文将Hellinger距离应用到图像协同分割方法中,测量图像中前背景概率分布、图像间前景概率分布之间的距离;基于这些距离设计主动轮廓模型的相关能量项,最后通过优化能量泛函实现图像协同分割。本文选择了叁种具有代表性的协同分割方法,在四个经典的数据库,即MSRC、images pairs、Coseg-rep和iCoseg上验证本文所提出方法的效果。实验结果表明,本文两种方法均取得了预期的效果;当图像较为复杂时,其效果优于目前主流方法。(本文来源于《西安电子科技大学》期刊2018-06-01）
鲁圆圆,强静仁,汪朝[10]（2018）在《基于区域信息主动轮廓模型的图像分割》一文中研究指出图像分割是对图像进行后续处理的关键步骤之一,传统主动轮廓模型在目标图像背景较为复杂的情况下很难精确地进行图像分割。为了精确且快速地进行图像分割,以便更加有利地进行后续相关图像处理操作,在对传统主动轮廓模型进行相关研究的基础之上,提出一种基于区域信息主动轮廓模型的图像分割方法。将图像区域信息融入主动轮廓模型的能量函数中去,减弱了模型对图像区域信息突变所造成的图像误分割;改进该模型能量函数内外曲线的拟合中心,以此减少图像噪声点对拟合中心准确性的影响;利用信息熵改进曲线内外能量函数权重,以此提高曲线的演化速度。实验结果表明,与传统CV(Chan_Vese)模型等四种模型相比,该方法所分割的图像更加精确,且在算法分割效率上具有较明显的优势。(本文来源于《计算机工程与应用》期刊2018年10期）
主动轮廓线模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统的基于区域的主动轮廓模型分割灰度不均匀医学图像,不能充分利用图像局部区域灰度变化信息,而导致分割结果不够准确。提出一种基于图像熵的整体与部分信息混合的主动轮廓模型。该模型是在CV(Chan-Vese)模型保真项的基础上,结合局部区域信息与反映图像灰度变化特性的图像熵,并引入避免水平集函数初始化和保持曲线平滑的正则项,赋予归一化比例调节系数,通过变分方法和梯度下降流求解最小化能量泛函,更新水平集函数方程,完成曲线的演化。实验结果表明该模型对灰度不均匀医学图像分割精度方面优于CV模型,其分割效率方面相比LBF模型提高了52.2%,是实用有效的分割方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
主动轮廓线模型论文参考文献
[1].姜春英,闫子龙,牛祥鑫,叶长龙,于苏洋.基于局部主动轮廓模型的飞机壁板铆接孔定位方法研究[J].航空制造技术.2019
[2].张丰收,韩敬阳,曹军杰.基于图像熵的主动轮廓分割模型[J].智能计算机与应用.2019
[3].孙文燕.基于主动轮廓模型的医学图像分割方法研究[D].山东大学.2018
[4].钱海明,张印,王春林,孙金彦,黄祚继.利用能量函数和主动轮廓模型提取道路边缘线[J].遥感信息.2018
[5].徐阳,徐礼胜,罗洋,冯朝路,康颖.基于主动轮廓模型的磁共振图像左心室分割研究现状[J].中国医疗设备.2018
[6].张荣华,吴益,王亨,肖磊,唐劲天.基于几何主动轮廓模型的图像分割方法[J].天津工业大学学报.2018
[7].周咏,顾桂梅,冉建民.基于改进主动轮廓模型的钢轨表面缺陷分割[J].兰州交通大学学报.2018
[8].宋思聪.基于局部特征向量的主动轮廓Mumford-Shah模型CT图像分割研究[D].哈尔滨工业大学.2018
[9].董瑞.基于主动轮廓模型的图像协同分割方法研究[D].西安电子科技大学.2018
[10].鲁圆圆,强静仁,汪朝.基于区域信息主动轮廓模型的图像分割[J].计算机工程与应用.2018
论文知识图
