基于主動(dòng)輪廓模型的圖像分割技術(shù)研究.pdf

1、圖像分割是圖像處理中的一個(gè)重要環(huán)節(jié)，它的主要目的是對(duì)圖像中感興趣的目標(biāo)進(jìn)行提取，是下一步進(jìn)行圖像分析和圖像解譯的基礎(chǔ)。隨著信息化技術(shù)水平的不斷發(fā)展，圖像分割的應(yīng)用日漸廣泛，在現(xiàn)代生活中具有日益重要的地位?；谥鲃?dòng)輪廓模型的圖像分割技術(shù)與傳統(tǒng)的圖像分割技術(shù)相比，具有分割邊界完整、能夠自然地融入圖像附加信息等優(yōu)點(diǎn)，因此在近年來(lái)得到了廣泛的應(yīng)用，并取得了良好的效果，是目前國(guó)內(nèi)外圖像分割領(lǐng)域?qū)W者關(guān)注的重點(diǎn)。本文主要研究了幾類較為經(jīng)典的主動(dòng)輪廓圖

2、像分割模型，經(jīng)過(guò)分析其優(yōu)缺點(diǎn)，提出了針對(duì)這些缺點(diǎn)的改進(jìn)模型。
　　根據(jù)所利用的圖像信息的不同，通?？梢詫⒅鲃?dòng)輪廓模型分為基于邊界的主動(dòng)輪廓模型和基于區(qū)域的主動(dòng)輪廓模型。對(duì)于基于邊界的分割模型，本文介紹了其中經(jīng)典的Snake模型、GVF模型、GAC模型和無(wú)需初始化的主動(dòng)輪廓模型。通過(guò)對(duì)此類模型的研究分析，本文提出了一個(gè)結(jié)合鄰域非一致性測(cè)度的主動(dòng)輪廓圖像分割模型。該模型利用了鄰域非一致性測(cè)度能夠?qū)D像的邊緣特性進(jìn)行有效描述同時(shí)又具有較

3、強(qiáng)抗噪能力的性質(zhì)，并對(duì)其進(jìn)行多尺度條件下的測(cè)度值取最小計(jì)算，使之對(duì)于圖像邊緣特性的描述更為精確且抗噪性能更強(qiáng)。由此，本模型利用多尺度鄰域非一致性最小測(cè)度值來(lái)代替圖像梯度構(gòu)建邊緣停止函數(shù)，使演化曲線能夠準(zhǔn)確地停止并穩(wěn)定于噪聲圖像的目標(biāo)邊緣處，解決了基于圖像梯度的主動(dòng)輪廓圖像分割模型難以對(duì)噪聲圖像進(jìn)行有效分割的問(wèn)題，能夠?qū)υ肼晥D像進(jìn)行較好的分割。實(shí)驗(yàn)表明，該模型在抗噪性能和演化效率方面都具有一定的優(yōu)勢(shì)。
　　同時(shí)，本文還介紹了幾種經(jīng)典

4、的基于區(qū)域的主動(dòng)輪廓模型，包括MS模型、CV模型和LBF模型。通過(guò)對(duì)這些經(jīng)典模型的研究分析，本文提出了一個(gè)結(jié)合多種圖像信息的主動(dòng)輪廓圖像分割模型。此模型結(jié)合了圖像的全局信息、局部信息和邊緣信息，其中局部信息的利用使該模型能夠?qū)叶炔痪鶆驁D像進(jìn)行有效分割；全局信息的利用可以加快曲線演化至目標(biāo)輪廓的速度，同時(shí)避免此模型陷入局部極小值，分割結(jié)果達(dá)到全局最優(yōu)；結(jié)合鄰域非一致性測(cè)度的邊緣信息的利用可以進(jìn)一步使曲線快速演化至目標(biāo)輪廓附近，并且提高此