基于水平集和多目標的圖像分割方法研究.pdf

1、圖像分割作為圖像處理以及機器視覺領域內(nèi)基本且關鍵的一個操作過程，有著至關重要的作用。因此，圖像分割一直在圖像處理領域中受到廣泛的關注。針對圖像本身所具有的灰度、顏色以及紋理信息等特征，廣大學者提出了許多對圖像進行分割的方法，比如聚類、閾值、邊緣檢測等等方法。這些方法中大部分都是直接對圖像的灰度信息進行處理，這樣的處理方式很容易受到噪聲以及灰度分布不均勻情況的影響。本文采用基于區(qū)域統(tǒng)計模型的水平集方法對圖像進行分割，將水平集函數(shù)嵌入能量方

2、程的框架當中，水平集輪廓在能量函數(shù)的最小化的過程中逐漸收斂至最優(yōu)分割曲線，并且對于傳統(tǒng)的單目標的方法不能夠全面地考量圖像分割的多個方面信息，所以本文采用基于多目標的方法進行圖像分割。
　　本文提出兩種圖像分割方法。第一種是將模糊理論運用到基于統(tǒng)計模型的水平集算法，并將其運用在圖像分割中。第二種是將多目標算法運用到圖像分割中，提出了一種基于多目標進化的圖像分割方法。論文的研究內(nèi)容如下：
　　1.提出了一種基于模糊理論的統(tǒng)計水平

3、集動態(tài)輪廓模型的圖像分割方法。本方法將模糊因子加入到水平集動態(tài)輪廓模型中，模糊概念的引入可以有效地抑制噪聲污染以及外來值對分割結果的影響，對于提高分割結果的魯棒性及其準確性都有很有效的作用。另外，正則項的使用可以保護水平集函數(shù)不會在演化過程中退化，并且可以省略重新初始化的步驟，這樣不僅提高了分割的效果，還大大降低了時間復雜度。實驗結果顯示，本方法在分割效果上優(yōu)于其他經(jīng)典的水平集方法，尤其是對于分割過程中噪聲點和奇異值帶來的影響，對于灰度

4、分布不均勻的圖像應用本模型也能夠得到很好的分割效果，同時本方法能夠很好的捕捉到圖像的弱邊界，對于邊界模糊的圖像也能夠有效地進行分割。
　　2.提出了一種基于多目標進化算法的圖像分割方法，并將其用于 SAR圖像分割中。在該模型中，我們將硬聚類的目標函數(shù)和近鄰懲罰函數(shù)作為多目標進化中的兩個目標函數(shù)，這個兩個函數(shù)分別從圖像的緊密性和連通性兩個方面對圖像的特征進行詮釋。此外，本文中采用了改進的基于多目標的免疫克隆算法對設定的兩個目標函數(shù)進