變分法圖像分割算法研究.pdf

1、變分法之所以成為圖像分割理論研究的熱點(diǎn)問題是因其建模過程比較容易、方法的擴(kuò)展性較好、實(shí)現(xiàn)過程簡單，已成為圖像分割處理范圍中較為有效且廣泛使用的方法之一。針對圖像分割算法目前所存在的問題，本文意在提高分割結(jié)果的準(zhǔn)確度和魯棒性，降低圖像分割的時間復(fù)雜度，對使用變分水平集法進(jìn)行圖像的分割處理做了較深入的探討，研究兩種變分方法實(shí)現(xiàn)圖像分割。
　　由于傳統(tǒng)的活動輪廓存在對圖像分割魯棒性欠好的問題，本文將區(qū)域相關(guān)的輪廓模型(Active Co

2、ntours without Edge,CV模型)和梯度相關(guān)的輪廓模型（Geodesic Active Contour，GAC模型）結(jié)合使用，通過圖像熵與圖像的梯度和將兩部分進(jìn)行結(jié)合。首先，將圖像熵與圖像梯度和擬合為權(quán)重因子，構(gòu)建基于圖像梯度的輪廓模型和基于圖像區(qū)域的輪廓模型相結(jié)合的分割模型。其次，將水平集函數(shù)方法應(yīng)用到模型中，這樣模型在分割過程能夠連續(xù)，也可以適應(yīng)拓?fù)渥兓?。最后，為了提升曲線演化的速度，論文采用窄帶方法使活動曲線能夠快

3、速演化。通過實(shí)驗(yàn)證明，使用該模型方法分割圖像，其魯棒性較好，同時分割速度也較快。
　　傳統(tǒng)活動輪廓分割圖像時間復(fù)雜度有時不甚理想，本文設(shè)計(jì)了基于輪廓鄰域梯度進(jìn)行擬合的活動輪廓模型。該模型通過計(jì)算輪廓線鄰域梯度值，并用計(jì)算出的梯度值作為閾值來擬合迭代函數(shù)，從而減小分割圖像的時間復(fù)雜度。通過實(shí)驗(yàn)?zāi)軌蜃C明，本文算法能夠有效快速地分割圖像，并有較小的時間復(fù)雜度。
　　兩種改進(jìn)的變分技術(shù)能夠較好地提高圖像分割質(zhì)量，為圖像分割技術(shù)在生物