基于Split Bregman方法的快速圖像分割模型的研究.pdf

1、圖像分割是圖像處理和計算機視圖中的一項基本任務。活動輪廓模型已經發(fā)展成為最成功的圖像分割方法之一。經典的活動輪廓模型包括測地活動輪廓模型,Chan-Vese模型,區(qū)域可伸縮擬合能量模型,分段常量多區(qū)Vese-Chan模型等。雖然這些模型都有一些比較好的數(shù)值實驗結果,它們都有各自的局限性。如Chan-Vese模型和分段常量多區(qū)Vese-Chan模型不可以處理強度不均勻的圖像,測地活動輪廓模型和區(qū)域可伸縮擬合能量模型對輪廓線的初始化比較敏感

2、等。另外,非凸性是這些模型的一個共同缺點。為了解決模型非凸性帶來的問題,全局凸分割方法被提出并且應用于Chan-Vese模型取得很好的效果。Split Bregman方法已經被應用于更加快速地解決圖像分割問題,如極小化全局凸Chan-Vese模型。但是全局凸Chan-Vese模型主要適用于具有同質區(qū)域的二區(qū)圖像。因此,為了更加快速有效地分割強度不均勻的圖像或者具有多個區(qū)域的圖像,本文基于這幾個經典的活動輪廓模型,全局凸分割方法與Spli

3、t Bregman方法提出以下四個新的快速的圖像分割模型。
　　1.為了解決區(qū)域可伸縮擬合能量模型的非凸性帶來的問題,并且為了更加快速容易地檢測圖像中物體的邊緣,本文結合區(qū)域可伸縮擬合能量模型,測地活動輪廓模型與全局凸分割方法提出一個全局凸區(qū)域可伸縮擬合能量模型。新模型的能量泛函在結構上的特殊性保證了Split Bregman方法的應用,從而可以給出新模型一個快速的算法。因此,新提出的全局凸區(qū)域可伸縮擬合能量模型可以快速并且準確地

4、分割具有強度不均勻性質的圖像。
　　2.考慮到Chan-Vese模型和區(qū)域可伸縮擬合能量模型各自的優(yōu)缺點,本文提出一個自動結合局部與全局信息的活動輪廓模型。本文首先將Chan-Vese模型和區(qū)域可伸縮擬合能量模型結合,應用一個隨圖像位置變化的權函數(shù)來自動地平衡這兩個模型的權值,并應用全局凸分割方法定義一個新的能量泛函。為了更加容易地檢測物體的邊緣,本文在新提出的能量泛函中加入一個非負的邊緣檢測函數(shù)來引入邊界信息。然后,本文應用Sp

5、lit Bregman方法來快速極小化新模型的能量泛函。于是,新提出的自動結合局部與全局信息的活動輪廓模型可以更加準確并快速地分割更加普遍的圖像,包括強度均勻和強度不均勻的圖像。
　　3.本文基于分段常量多區(qū) Vese-Chan模型,全局凸分割方法和 Split Bregman方法,提出一個基于Vese-Chan模型的快速多區(qū)分割模型,用于將給定的圖像分割為多個區(qū)域。新提出的快速多區(qū)分割模型可以自動地避免空白和重疊的問題,需要較少

6、的水平集函數(shù)來表示相同數(shù)目的區(qū)域,還可以表示具有復雜拓撲結構的邊界。此外,全局凸分割方法和Split Bregman方法的應用使得新模型比原Vese-Chan模型快得多。由于新提出的模型是一個分段常量多區(qū)圖像分割模型,因此主要用于快速地分割具有同質區(qū)域的多區(qū)圖像。
　　4.為了分割具有多個區(qū)域并且強度不均勻的圖像,本文將上述自動結合局部與全局信息的活動輪廓模型由二區(qū)水平集格式推廣到多區(qū)水平集格式,提出一個自動結合局部與全局信息的多