結(jié)合全局與局部信息的活動(dòng)輪廓模型研究.pdf

1、圖像分割和邊界提取對于圖像理解、模式識(shí)別、計(jì)算機(jī)視覺等具有非常重要的意義，是圖像分析的基礎(chǔ)。目前，在圖像分割領(lǐng)域，并沒有對各類圖像都適用的通用方法。近年來，基于偏微分方程的圖像分割作為一種比較新穎的有效的圖像分割方法，逐漸成為研究的熱點(diǎn)。幾何活動(dòng)輪廓模型（水平集方法實(shí)現(xiàn)的活動(dòng)輪廓模型）已被廣泛應(yīng)用于圖像處理和計(jì)算機(jī)視覺領(lǐng)域中的圖像分割問題。
　　本學(xué)位論文首先介紹了現(xiàn)有的基于區(qū)域的圖像分割方法，然后針對CV模型和RSF模型進(jìn)行了研

2、究，得到如下的結(jié)果：
　　1）利用全局信息的Chan-Vese模型對輪廓初始化和噪聲不敏感，但不能分割灰度不均一圖像。利用局部信息的RSF模型能夠分割灰度不均一圖像，但對輪廓初始化和噪聲很敏感。針對這個(gè)問題，提出了一個(gè)結(jié)合全局和局部信息的區(qū)域活動(dòng)輪廓模型。實(shí)驗(yàn)表明，該模型不僅能夠分割灰度不均一圖像，而且允許靈活的輪廓初始化，抗噪性也較強(qiáng)。
　　2）RSF（Region-Scalable Fitting）模型能夠分割灰度不均一