导读:本文包含了活动形状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:形状,模型,图像,轮廓,递归,特征,主动。
活动形状模型论文文献综述
李慧慧[1]（2019）在《基于改进的局部活动形状模型的前列腺TRUS图像分割》一文中研究指出近年来一直广受关注的前列腺经直肠超声(TRUS)图像逐渐成为了一种临床应用广泛的成像模态。但由于前列腺TRUS图像在成像过程中受组织性质以及干扰等因素的影响所表现出的低SNR、亮度不均、斑点噪点、阴影区域边界缺失使得TRUS图像的自动分割成为了一项十分困难的任务。尝试了一种基于局部活动形状模型的TRUS分割方法,该方法先通过改进的向量剖面法(NVP)作为前列腺边界特征算子,得到一个较为粗糙的分段曲线,再利用局部轮廓估计的先验形状来估计阴影区域内的缺失边界得到最终曲线,实验表明该方法达到了更好的鲁棒性和较低的时间消耗。(本文来源于《电脑编程技巧与维护》期刊2019年01期）
郭笑妍,梅雪,李振华,曹佳松,周宇[2]（2016）在《形状约束下活动轮廓模型冠脉血管图像多尺度分割》一文中研究指出目的由于计算机断层血管造影(CTA)图像的复杂性,临床诊断冠脉疾病往往需要经验丰富的医师对冠状动脉进行手动分割,快速、准确自动分割出冠状动脉对提高冠脉疾病诊断效率具有重要意义。针对双源CT图像特点以及传统单一基于区域或边界的活动轮廓模型的不足,研究了心脏冠脉3维分割算法,提出一种基于血管形状约束的活动轮廓模型分割方法。方法首先,利用改进的FCM(fuzzy C-means)对心脏CT图像感兴趣区域初分割,其结果用于初始化C-V模型水平集演化曲线及控制参数,提取感兴趣区域轮廓。接着,由3维心脏图像数据获取多尺度梯度矢量信息构造边界型能量泛函,然后利用基于Hessian矩阵的多尺度血管函数对心脏感兴趣区域3维体数据增强滤波,获取血管先验形状信息用于约束能量泛函。最后融合边界、区域能量泛函并利用变分原理及水平集方法得到适合冠脉血管分割的水平集演化方程。结果由于血管图像的灰度不均匀,血管末端区域更为细小,所以上述算法的实施是面向被划分多个子区域的血管,在缩小的范围内进行轮廓的演化。相比于传统的血管分割方法,该方法充分融合血管图像的先验信息及梯度场信息,能够从灰度及造影剂分布不均匀的冠脉血管图像中准确分割出冠状动脉,对于细小的血管结构亦能获得较好的分割效果。实验结果表明,该方法只需在给定初始轮廓前提下,有效提取3维冠脉血管。结论对多组心脏CT图像进行分割,本文基于血管先验形状约束的活动轮廓模型可以准确分割出冠脉结构完整轮廓,并且人工交互简单。该方法在双源CT冠脉图像自动分割方面具有较好的正确率与优越性。(本文来源于《中国图象图形学报》期刊2016年07期）
刘赛[3]（2016）在《基于形状和表观约束活动基模型的车辆检测技术》一文中研究指出车辆检测作为解决交通拥堵,交通事故频发等问题的先行步骤,具有重要的现实意义。车辆本身特点的多样性以及外部环境的变化使得车辆检测成为非常有挑战性的问题。车辆检测的现实应用价值,使其成为计算机视觉领域的研究热点。活动基模型(Active Basis Model)是一种检测可变形物体的模板匹配方法。它通过学习得到一定数量位于特定位置和方向的Gabor小波元素组成的模板,并且在检测时允许模板基元素在位置和方向上进行一定范围内的扰动,因此活动基模型对可变形物体的检测具有较好的效果。然而车辆本身是刚体,其形状本身不会发生较大的改变;车辆周围环境复杂,例如交通线,非机动车辆等。活动基模型会检测出大量的错误区域。本文探讨了活动基模型在检测车辆过程中出现过多错误检测数量的原因,并且提出了形状和表观约束的活动基模型。活动基模型对具有形变的物体检测具有较好的效果。在检测的过程中为了增大模板匹配得分,模板基元素会在一定的范围内进行无约束的扰动,所带来的问题就是正确的车辆检测结果与车辆的外形相比发生了较大的变化,而且会导致在交通线等区域过多的错误检测发生。然而车辆作为一种刚体,正确检测区域的形状不应该与真实的车辆形状有着较大的差异。本文提出了形状约束活动基模型,通过对模板基元素的扰动进行约束从而保持车辆的形状,正确的检测区域匹配更加精确,错误的检测区域得以去除。活动基模型使用Gabor小波作为基元素。Gabor小波能够描述图像的纹理和边缘特征,即活动基模型只利用车辆的边缘信息。然而在实际复杂的场景下单纯使用边缘信息不足以准确的描述车辆的特征,本文通过分析错误检测区域与正确检测区域在表观上的差别,提出在边缘信息的基础上融合颜色表观信息对活动基模板边界处的基元素得分进行约束,降低了活动基模型的错误检测率。(本文来源于《北京理工大学》期刊2016-01-01）
马玉润,马义德,王克敏,董敏,雷若鸣[4]（2015）在《基于带形状约束的参数活动轮廓模型的左心室分割》一文中研究指出左心室分割是心脏核磁共振图像分析的一个热点,也是心脏叁维建模技术的关键。本文提出一种基于带形状约束的参数活动轮廓模型的左心室心肌自动分割方法。首先,使用舒张末期和收缩末期的差分图像进行感兴趣区域提取。其次,采用阈值分割将感兴趣区域进行二值化,并设计圆形模板进行左心室粗定位。之后,定义圆形形状能量函数,并将其添加到梯度矢量流(GVF)模型的外部能量项中,用于分割出左心室的内、外膜。内膜分割时,初始轮廓由粗定位的左心室血池边缘决定,Canny算子检测出的边缘图像用于生成GVF外力场;外膜分割时,已检测出的内膜作为其初始轮廓,修正后的边缘图像用于生成GVF外力场。实验表明,该方法能够有效地完成左心室心肌的全自动提取,且与传统的GVF模型相比,带形状约束的GVF模型更有利于克服噪声、乳头肌和弱边界的影响,能够获得更准确的分割结果。(本文来源于《第十四届中国体视学与图像分析学术会议论文集》期刊2015-09-16）
曹冬梅,徐军[5]（2014）在《基于先验形状的混杂活动轮廓模型及其在图像分割中的应用》一文中研究指出提出了一种新颖的基于先验形状学习的混杂活动轮廓(SHAC)模型,该模型采用变分水平集方法,融合自适应区域信息与边界信息,运用主成分分析的方法从给定的含有目标物体轮廓的训练集学习得到最佳形状信息,并将其作为先验形状。将自适应区域特征和轮廓特征作为局部信息,先验形状作为全局信息,在迭代过程中结合全局和局部信息实现对演化曲线的形变进行指导和约束,达到分割目标物体的目的。通过定量和定性地分析低对比度的乳腺核磁共振图像中的乳腺轮廓的分割,以及具有复杂背景的自然图像中感兴趣区域的分割结果,验证了SHAC模型比传统活动轮廓模型具有更高的准确率,表明了该模型不仅提高了图像分割中对弱边界的识别度,减弱了非目标轮廓的干扰,而且具有良好的抗噪能力。(本文来源于《计算机科学》期刊2014年11期）
张译匀[6]（2012）在《基于活动形状模型的人脸特征定位的研究》一文中研究指出人脸特征定位是指利用计算机自动的将人脸图像中的各个特征的位置定位出来。人脸特征定位在图像处理领域有着非常重要的作用，能够为人脸识别、表情分析和人脸跟踪的研究提供数据，同时在目标跟踪和人脸动画方面都会有很大的帮助。但是人脸是非刚性并且是复杂叁维的图像，如果人脸存在着附属物的遮挡以及光照、姿态和照相设备的不同都会对计算机定位人脸特征造成很大的困扰，使得不能准确的定位特征点。活动形状模型（Active Shape Model, ASM）是近年来比较流行的一种人脸定位特征点的方法。活动形状模型能够通过模型的训练得到图像的统计信息，将待匹配的图像限制在一个合理的范围之内。活动形状模型分为两个部分，模型的训练阶段和搜索阶段。在模型的训练阶段通过手动标定特征点的坐标位置，统计出能够表示图像全局信息的全局形状模型和特征点局部信息的局部模型；在搜索阶段，先使用局部模型在待匹配图像中寻找局部特征的位置，所有特征点搜索结束后，用全局形状模型进行约束，直到准确地定位特征点的位置或者迭代次数达到一定，搜索结束。本文主要对活动形状模型进行改进，使得改进的方法能够更准确的定位特征点的位置。本文主要的研究内容如下：1.基于特征融合的人脸特征定位。针对活动形状模型在定位人脸特征点时，对初始位置敏感并且局部模型的建立只根据图像的灰度信息过于单一的问题，本文提出了一种基于特征融合的活动形状模型。算法使用SUSAN算子与小波变换结合，提取人脸图像的角点位置作为模型的初始位置，并将局部二值模式与原局部建模方法融合建立局部模型，融合后的特征能够更加充分的表示特征点的细节信息。2.基于多种群遗传算法的人脸特征定位。本文在深入研究多种群遗传算法的基础上提出了一种新的多种群遗传算法。将提出的新的多种群遗传算法应用于活动形状模型中，用遗传算法中的染色体遗传操作来替代原方法的搜索过程。(本文来源于《兰州理工大学》期刊2012-05-04）
郑洁雪,杨玲,王中科[7]（2011）在《结合先验形状和Mumford-Shah模型的活动轮廓分割》一文中研究指出基于先验形状和Mumford-Shah模型的活动轮廓分割是一种抗噪声干扰、稳定的图像分割方法。该模型采用水平集方法,并结合活动轮廓模型、先验形状和Mumford-Shah模型来控制曲线演化。特定目标的先验知识可以有效地指导目标准确分割,经过主成分分析(PCA)法可以得到感兴趣对象形状的主要信息。通过对不同图片分割实验表明,针对特定的形状,该方法对杂乱背景、部分遮挡、缺失和强噪声的图片依然能得到满意的结果。(本文来源于《计算机工程与应用》期刊2011年23期）
胡正平,杨建秀[8]（2011）在《稀疏活动轮廓扩展形状脚本模型目标检测算法》一文中研究指出传统的稀疏活动轮廓模型可以较好地解决目标微小形变情况下的定位问题,但是对训练样本要求比较严格,且在目标发生较大形变情况下采用学习到的可变形模板对目标进行定位会产生一定偏差。针对该问题,提出一种稀疏活动轮廓扩展形状脚本模型的目标检测算法。利用勾画样本通过扩展活动轮廓模型学习到组成目标的可变形形状图案,这些形状图案构成的形状脚本模型能够清晰地定义目标模式;采用递归sum-max maps结构进行搜索,用形状脚本模型匹配测试图像实现目标定位。经过多组实验,结果表明所提算法能较好地解决目标在发生较大形变、存在遮挡以及复杂背景下的定位问题。(本文来源于《计算机科学与探索》期刊2011年03期）
王春燕[9]（2010）在《活动形状模型算法在医学图像分割中的应用研究》一文中研究指出医学图像分割在生物医学图像,临床诊断,病理分析中具有很重要的意义,是医学图像处理、分析和理解的基础。由于人体解剖结构的复杂性、组织器官形状的不规则性及个体之间的差异性,许多图像分割算法应用于医学图像并不能得到理想分割效果,为此必须寻找一种有效的医学图像分割方法。基于形变模型技术的图像分割方法,由于既利用了底层的图像数据信息,又结合了高层的目标先验知识,在处理形式多样、结构复杂的医学图像时,显示出了其独特的优越性和广泛的适用性。因此本文根据医学图像的特征,提出了一种基于形变模型的分割技术—活动形状模型算法(Active Shape Model,ASM)。首先选择一组比较典型的形状作为训练集,在训练集的每个形状上用点集来表达目标区域的边界。然后把所有形状对齐,并获得对齐形状的统计信息。为了利用每个点周围的灰度信息,还要建立灰度阶外观模型。在图像搜索过程中,不断计算每个点需要做的调整量,计算形状参数和姿态参数的变化,并更新形状和姿态参数。这是一个迭代的过程,这个过程重复直到没有有意义的变化结果为止,最后得到的形状就是要定位的目标形状。本文主要基于医学图像,对活动形状模型算法做了一些研究和改进,主要工作如下:(1)深入分析研究了国内外目前常见的图像分割算法,重点对活动形状模型(ASM)算法进行了实现,包括点分布模型的建立、灰度模型的建立、模型的搜索过程等几个方面的内容。(2)在传统的活动形状模型算法基础上,对其进行了改进,包括多分辨率的搜索策略,半自动标记点的提取,初始位置的调整等,并结合Gabor小波,提出了采用Gabor Jet在多分辨率搜索过程中代替灰度外观统计模型,以获得更好的细节效果。(3)使用改进后的Gabor ASM算法,和传统ASM算法对医学图像分别进行了分割实验,包括:胸部DR图像的肺部分割,CT图像的肺区轮廓提取,以及脑MR图像中胼胝的分割工作,并对二种算法进行了统计误差的比较分析。实验结果显示,与传统的ASM算法相比,本文提出的算法在分割的准确度和精度上有一个较大的提高。(本文来源于《华南理工大学》期刊2010-04-27）
王春燕,郭圣文,吴效明[10]（2009）在《改进的活动形状模型肺部轮廓提取算法》一文中研究指出在医学临床实践和研究中经常需要对胸部DR图像的肺部解剖结构进行识别和精确定位,以获取有用的信息。本文采用一种形变模型分割技术---活动形状模型(Active Shape Model,ASM),对胸部DR图像进行肺部轮廓提取。为了提高ASM算法的性能,提出了一种改进的ASM算法。首先,精确定位肺尖和肋角的位置用作平均形状模型的初始化,并采用以轮廓点为中心的矩形区域的平均灰度信息进行轮廓匹配,其次,采用Gaussian金字塔多分辨率搜索策略,提高了定位速度。实验结果表明,与传统的ASM算法相比,该算法在肺部轮廓提取的速度与准确性均有显着地提高。(本文来源于《微计算机信息》期刊2009年15期）
活动形状模型论文开题报告
（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：
目的由于计算机断层血管造影(CTA)图像的复杂性,临床诊断冠脉疾病往往需要经验丰富的医师对冠状动脉进行手动分割,快速、准确自动分割出冠状动脉对提高冠脉疾病诊断效率具有重要意义。针对双源CT图像特点以及传统单一基于区域或边界的活动轮廓模型的不足,研究了心脏冠脉3维分割算法,提出一种基于血管形状约束的活动轮廓模型分割方法。方法首先,利用改进的FCM(fuzzy C-means)对心脏CT图像感兴趣区域初分割,其结果用于初始化C-V模型水平集演化曲线及控制参数,提取感兴趣区域轮廓。接着,由3维心脏图像数据获取多尺度梯度矢量信息构造边界型能量泛函,然后利用基于Hessian矩阵的多尺度血管函数对心脏感兴趣区域3维体数据增强滤波,获取血管先验形状信息用于约束能量泛函。最后融合边界、区域能量泛函并利用变分原理及水平集方法得到适合冠脉血管分割的水平集演化方程。结果由于血管图像的灰度不均匀,血管末端区域更为细小,所以上述算法的实施是面向被划分多个子区域的血管,在缩小的范围内进行轮廓的演化。相比于传统的血管分割方法,该方法充分融合血管图像的先验信息及梯度场信息,能够从灰度及造影剂分布不均匀的冠脉血管图像中准确分割出冠状动脉,对于细小的血管结构亦能获得较好的分割效果。实验结果表明,该方法只需在给定初始轮廓前提下,有效提取3维冠脉血管。结论对多组心脏CT图像进行分割,本文基于血管先验形状约束的活动轮廓模型可以准确分割出冠脉结构完整轮廓,并且人工交互简单。该方法在双源CT冠脉图像自动分割方面具有较好的正确率与优越性。
（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。
活动形状模型论文参考文献
[1].李慧慧.基于改进的局部活动形状模型的前列腺TRUS图像分割[J].电脑编程技巧与维护.2019
[2].郭笑妍,梅雪,李振华,曹佳松,周宇.形状约束下活动轮廓模型冠脉血管图像多尺度分割[J].中国图象图形学报.2016
[3].刘赛.基于形状和表观约束活动基模型的车辆检测技术[D].北京理工大学.2016
[4].马玉润,马义德,王克敏,董敏,雷若鸣.基于带形状约束的参数活动轮廓模型的左心室分割[C].第十四届中国体视学与图像分析学术会议论文集.2015
[5].曹冬梅,徐军.基于先验形状的混杂活动轮廓模型及其在图像分割中的应用[J].计算机科学.2014
[6].张译匀.基于活动形状模型的人脸特征定位的研究[D].兰州理工大学.2012
[7].郑洁雪,杨玲,王中科.结合先验形状和Mumford-Shah模型的活动轮廓分割[J].计算机工程与应用.2011
[8].胡正平,杨建秀.稀疏活动轮廓扩展形状脚本模型目标检测算法[J].计算机科学与探索.2011
[9].王春燕.活动形状模型算法在医学图像分割中的应用研究[D].华南理工大学.2010
[10].王春燕,郭圣文,吴效明.改进的活动形状模型肺部轮廓提取算法[J].微计算机信息.2009
论文知识图
