基于水平集的圖像分割方法研究及其應(yīng)用.pdf

1、水平集方法(Level Set Method)由于能夠?qū)⑵矫媲€的演化過程轉(zhuǎn)變?yōu)楦咭痪S空間中曲面的演化過程，從而能夠有效地解決曲線的拓撲結(jié)構(gòu)變化問題，因此成為圖像分割領(lǐng)域重要的研究方向。
　　針對圖像信息的不同，水平集模型主要分為兩類，即基于邊緣的模型和基于區(qū)域的模型。本質(zhì)上，這兩類模型分別利用了圖像中的梯度信息和區(qū)域信息。第一類模型常見有基于距離正則化的水平集模型—DRLSE模型，第二類模型主要有基于區(qū)域特征的水平集模型—CV模

2、型以及基于區(qū)域擴展擬合的水平集模型—RSF模型，分別實現(xiàn)了基于這些模型的圖像分割算法。通過具體的實驗結(jié)果，分析了這些算法的優(yōu)缺點。
　　提出了基于局部聚類的變分水平集模型—LCVLS模型，該模型主要是利用了圖像中的局部區(qū)域信息。該模型首先在圖像每個點的局部區(qū)域內(nèi)，采用K-mean聚類算法對局部區(qū)域內(nèi)的強度值進行聚類，根據(jù)K-mean聚類準(zhǔn)則定義了一個關(guān)于圖像強度的局部聚類準(zhǔn)則，再從整體上考慮，定義一個全局聚類準(zhǔn)則并使之最小化，從而

3、使整幅圖像的分割效果達到最佳。然后將全局聚類準(zhǔn)則作為水平集能量泛函的一個能量項，加上正則化項、曲線長度項和懲罰函數(shù)項，獲得水平集能量泛函。根據(jù)公式推導(dǎo)，得到水平集偏微分方程和偏微分離散方程，最后實現(xiàn)了基于該水平集模型的圖像分割算法，并通過具體的實驗結(jié)果證明，該模型對強度不均勻圖像分割有著很理想的分割效果。
　　以醫(yī)學(xué)圖像為實驗對象，通過基于CV模型、RSF模型和LCVLS模型的圖像分割結(jié)果的對比，計算出各模型的面積誤差率、最小迭代