主動輪廓模型在圖像分割中的應(yīng)用研究.pdf

1、圖像分割是圖像處理和計算機視覺的基礎(chǔ)。近二十年來，基于偏微分方程的主動輪廓模型在圖像分割領(lǐng)域取得了重大的進步，研究成果可有效應(yīng)用于醫(yī)學(xué)圖像分析、遙感圖像處理、機器人視覺、視頻跟蹤等領(lǐng)域，對推動我國工業(yè)的自動化進程、豐富與發(fā)展現(xiàn)有圖像處理方法有重要的理論與實際意義。本文主要研究了幾類比較經(jīng)典的主動輪廓模型在圖像分割中的應(yīng)用。通過分析這些模型的特點，針對它們存在的缺陷提出一些改進算法。 主動輪廓模型一般采用水平集方法實現(xiàn)，但是傳統(tǒng)的

2、水平集方法為了保持數(shù)值穩(wěn)定，必須初始化為符號距離函數(shù)，且在演化過程中需要周期性重新初始化。變分無需初始化方法雖然可以避免重新初始化，但是抗噪性能比較差。本文采用二值化與高斯平滑的方法，不但保持了數(shù)值穩(wěn)定，而且提高了抗噪性能。 按圖像數(shù)據(jù)驅(qū)動力的不同，一般可以分為基于邊界和基于區(qū)域的模型?；谶吔缒Ｐ偷牡湫痛硎菧y地線(GAC)模型，但是該模型對弱邊界或離散狀邊界目標(biāo)難以正確分割。針對這個缺點，本文提出一種基于區(qū)域的GAC模型，利

3、用區(qū)域統(tǒng)計信息構(gòu)造符號壓力函數(shù)來取代邊界停止函數(shù)，并采用二值化與高斯平滑的方法演化水平集函數(shù)，實驗表明該方法在效率與分割效果方面都優(yōu)于原始GAC模型。本文還利用Green公式將基于最大通量幾何流的模型轉(zhuǎn)換為最小通量幾何流模型。借鑒GGVF模型的思想，對圖像的Laplacian進行去噪處理，防止過零點發(fā)生偏移，并將處理后的結(jié)果應(yīng)用于最小通量幾何流模型，提高了該模型的抗噪性能。 另外，本文簡要論述了一些經(jīng)典的基于區(qū)域的模型，如Mum