基于曲線演化理論的圖像分割方法研究.pdf

1、圖像分割技術(shù)被廣泛的應(yīng)用于計(jì)算機(jī)科學(xué)及計(jì)算機(jī)視覺等多個領(lǐng)域,它是圖像工程體系中的一項(xiàng)關(guān)鍵技術(shù),它是進(jìn)行高層圖像分析和圖像理解的前提。所謂圖像分割,就是對圖像進(jìn)行區(qū)域劃分并分割出目標(biāo)對象的過程。
　　近年來,基于曲線演化理論的主動輪廓模型這類圖像分割算法,由于其能將幾何表述、物理方程和逼近理論統(tǒng)一于同一個輪廓提取過程中的特性,而受到國內(nèi)外研究者的廣泛關(guān)注。本文重點(diǎn)研究主動輪廓模型中的Snake參數(shù)模型和Chan-Vese幾何模型(C

2、-V模型),圍繞它們在圖像分割的應(yīng)用來展開研究,針對模型存在的不足,對其進(jìn)行改進(jìn),主要工作和創(chuàng)新點(diǎn)如下:
　　(1)Snake模型對初始輪廓敏感和能量函數(shù)中曲率約束不足,本文提出了分水嶺優(yōu)化的Snake圖像分割模型。首先通過引入標(biāo)記函數(shù)和強(qiáng)制最小值技術(shù)解決傳統(tǒng)分水嶺變換可能導(dǎo)致的過分割問題,然后利用改進(jìn)的強(qiáng)制標(biāo)記分水嶺算法優(yōu)化Snake模型的初始輪廓曲線,最后通過在Snake模型中增加一項(xiàng)與曲線形狀相關(guān)的外部力彌補(bǔ)能量約束函數(shù)中曲

3、率約束的不足。改進(jìn)后的Snake模型應(yīng)用于腹部MR圖像中,對肝臟圖像的識別和分割取得了良好效果。
　　(2)C-V圖像分割模型特別適用于醫(yī)學(xué)領(lǐng)域,因?yàn)槠湓谔幚韽?fù)雜的拓?fù)洹?qiáng)噪聲及低對比度的圖像上有一定優(yōu)勢,然而該模型對初始輪廓線敏感;圖像閾值化也是一種經(jīng)典而又簡單的圖像分割方法,該方法利用灰度值將目標(biāo)圖像從背景中分割出來。本文在分析灰度圖像直方圖分布的基礎(chǔ)上提出利用圖像閾值設(shè)定C-V模型的初始化輪廓的新方法,新方法應(yīng)用于牙菌斑圖像

4、分割中能夠較好的識別牙齒圖像邊緣信息,為下一步對牙菌斑進(jìn)行量化分析提供了良好的數(shù)據(jù)基礎(chǔ)。
　　(3)C-V模型變分水平集優(yōu)化方法的最佳迭代次數(shù)難于確定且容易陷入局部最優(yōu),借鑒圖割算法在較短時間內(nèi)能得到全局最優(yōu)的優(yōu)勢,提出一種基于圖割的單水平集迭代終止算法。在目標(biāo)區(qū)域設(shè)定一條初始輪廓線,采用無需重新初始化的C-V模型對輪廓線進(jìn)行迭代,當(dāng)輪廓線內(nèi)部面積變化值小于預(yù)先給定的閾值時終止迭代,然后將此輪廓線作為圖割算法的初始輪廓線進(jìn)行圖像分