基于先驗信息約束的水平集圖像分割方法研究.pdf

1、圖像分割是圖像處理中重要的領域和環(huán)節(jié)之一，是圖像識別和圖像理解的基礎，其分割結果直接影響后續(xù)的圖像處理質(zhì)量。由于圖像分割的重要性，研究人員提出了很多的方法和技術，且每年都有大量新的研究成果。但現(xiàn)有的方法仍然存在分割過程復雜，結果準確性不高以及算法的通用性差等問題。
　　近年來，水平集方法成為圖像分割領域中的一個研究熱點。水平集方法有著適于處理復雜的拓撲結構變化、較強的曲線逼近能力、分割精度較高等顯著優(yōu)點。雖然水平集方法展現(xiàn)出良好的

2、分割性能，但水平集方法是作為一種通用的圖像分割模型提出來的，無法適用于所有類型的圖像，且分割精度收到初始輪廓及參數(shù)的設定影響較大。
　　論文以基于局部信息的水平集方法和先驗信息為基礎，主要工作和創(chuàng)新之處在于：
　　(1)在水平集分割模型的基礎上，引入圖像中的形狀和顏色信息作為先驗信息來指導分割曲線的演化。形狀先驗信息可以指導演化曲線向目標輪廓進化，對圖像有缺失、重疊的情況能有良好的分割效果。顏色相似性判斷用來判斷分割后的目標

3、和先驗圖像間顏色相似度，能夠有效提高分割的準確率。針對圖像邊界模糊、有遮擋、與背景灰度相似等復雜背景的圖像，實現(xiàn)了快速、準確的目標分割。
　　(2)一般基于形狀先驗信息的水平集方法都是先提取出目標的先驗形狀，然后基于此形狀去分割類似目標圖像，通用性較差。對稱性作為物體的一種形狀特征，普遍存在于自然界和人工創(chuàng)造的物體中。利用對稱性這一形狀特征作為分割的約束條件，分割出圖像中具有形狀對稱性的目標。所以本文將從圖像目標的近似對稱性這一先