圖像分割算法的研究與改進(jìn).pdf

1、本文首先闡述了主動(dòng)輪廓模型的基本原理，研究了傳統(tǒng)參數(shù)化主動(dòng)輪廓模型能量函數(shù)最小化的改進(jìn)算法。因?yàn)橹鲃?dòng)輪廓模型對(duì)凹形物體輪廓提取的效果不好，引入了面積能量，并進(jìn)行了仿真，結(jié)果有所改善。 接下來，針對(duì)傳統(tǒng)參數(shù)化主動(dòng)輪廓模型的對(duì)輪廓線的初始位置仍然敏感的問題沒有解決的問題，研究了梯度流量算法(GVF)。雖然這種方法對(duì)凹陷物體輪廓的提取也比主動(dòng)輪廓模型效果要好，但是在對(duì)深度凹陷的物體輪廓的提取時(shí)效果卻不是很好，為此我們將力場擴(kuò)散方程中梯

2、度矢量流的各分量分別歸一化，使曲線上各點(diǎn)受物體邊界力場的影響跟它與邊界的距離無關(guān)，從而克服了GVF模型難以解決的深凹腔問題，同時(shí)提出在GVF模型中引入和設(shè)置方向矢量的算法，在矢量指定范圍內(nèi)能屏蔽掉不需要的物體力場的影響，從而更加準(zhǔn)確地分割出感興趣的物體。 由于snake以及其它基于能量最小化的傳統(tǒng)參數(shù)型主動(dòng)輪廓模型和算法都存在幾個(gè)缺點(diǎn)： 1)難于分割拓?fù)浣Y(jié)構(gòu)比較復(fù)雜，有分支和突觸的物體； 2)三維實(shí)現(xiàn)比較困難；

3、 3)分割結(jié)果對(duì)輪廓初始位置比較敏感； 4)難以確定合適的迭代終止準(zhǔn)則。為此研究了幾何模型算法，并在此基礎(chǔ)上研究了Mumford-Shah模型，對(duì)它進(jìn)行了改進(jìn)，對(duì)彩色圖像和醫(yī)學(xué)圖像的輪廓進(jìn)行了提取，仿真結(jié)果表明，改進(jìn)后的Mumford-Shah模型克服了上述幾個(gè)問題。實(shí)驗(yàn)表明，對(duì)snake模型、GVF模型和Mumford-Shah模型的改進(jìn)都取得了明顯的效果，但它們各自都有其優(yōu)缺點(diǎn)，應(yīng)該在不同的場合下，充分利用它們的優(yōu)點(diǎn)，