圖像分割算法研究與應(yīng)用.pdf

1、圖像分割為數(shù)字圖像處理中的一項(xiàng)極為關(guān)鍵的技術(shù)，自19世紀(jì)70年代，已有數(shù)十年的歷史。圖像分割是指利用圖像的某些特征將圖像中特征相異的區(qū)域提取出來實(shí)現(xiàn)分割的過程。本文主要對(duì)水平集圖像分割方法進(jìn)行討論。利用水平集函數(shù)這一工具把曲線關(guān)于時(shí)間 t演化的問題轉(zhuǎn)化為曲面的演化問題，而曲面在演化過程中始終保持連續(xù)，從而可以處理曲線逼近目標(biāo)輪廓過程中拓?fù)浣Y(jié)構(gòu)變化的問題。該方法同時(shí)結(jié)合變分知識(shí)和最優(yōu)化方法實(shí)現(xiàn)數(shù)值求解。
　　本文給出了三個(gè)關(guān)于已有經(jīng)

2、典水平集模型的改進(jìn)方案，對(duì)它們從理論上分析了改進(jìn)方案的合理性和可行性，并通過數(shù)值實(shí)驗(yàn)進(jìn)行測(cè)試驗(yàn)證。針對(duì)一些圖像中待分割目標(biāo)區(qū)域與背景區(qū)域面積相差懸殊的情況，對(duì)C-V模型進(jìn)行了改進(jìn)，使得迭代過程中，水平集函數(shù)能夠隨區(qū)域面積的變化而自動(dòng)調(diào)節(jié)對(duì)目標(biāo)區(qū)域和背景區(qū)域的同質(zhì)性的強(qiáng)弱要求，這樣演化驅(qū)動(dòng)力在演化過程隨區(qū)域面積自適應(yīng)變化，從而加快演化速度。對(duì)C-V模型進(jìn)行合理簡化改進(jìn)，可實(shí)現(xiàn)快速計(jì)算，且改進(jìn)后的模型對(duì)水平集初始化不敏感。在對(duì)一般圖像的分割

3、中，一方面，改進(jìn)模型基本上不改變?cè)瑿-V模型的分割效果，另一方面還可以減少計(jì)算量和迭代次數(shù)，提高處理效率。針對(duì)距離正則化模型完全依賴于像素的梯度模值這一局部信息而易受距離目標(biāo)邊緣較遠(yuǎn)的噪聲干擾從而減慢對(duì)目標(biāo)輪廓的逼近甚至趨于局部穩(wěn)定以至分割失敗的問題，本文給出了改進(jìn)方案：在邊緣停止函數(shù)中增加了一個(gè)基于區(qū)域內(nèi)像素均值的全局信息量，使得水平集函數(shù)可以自動(dòng)識(shí)別出遇到的梯度模值很大的地方是否為距離目標(biāo)邊緣較遠(yuǎn)的噪聲點(diǎn)而使演化曲線在迭代過程中可以

4、自適應(yīng)越過這些噪聲點(diǎn)實(shí)現(xiàn)分割。最后，利用差分圖像給出了一個(gè)處理灰度不均勻圖像的分割模型。差分圖像反映了原圖像的局部信息，且可加大目標(biāo)區(qū)域和背景區(qū)域的對(duì)比度而對(duì)于遠(yuǎn)離目標(biāo)邊緣的局部區(qū)域可以削弱其灰度不均勻程度，故可以采用C-V模型來設(shè)計(jì)差分圖像的能量泛函。本文把反映原圖像全局信息和反映原圖像局部信息的差分圖像分別在簡化C-V模型下的能量泛函結(jié)合起來得到處理灰度不均勻圖像的分割模型。同時(shí)，在該模型中還引入隨局部區(qū)域中的像素不均勻程度而自適應(yīng)