基于活動(dòng)輪廓模型的圖像分割方法.pdf

1、圖像分析與模式識(shí)別中最基本又關(guān)鍵要解決的問(wèn)題就是圖像分割。到目前為止，研究者提出了上百種圖像分割方法，其中基于水平集方法的活動(dòng)輪廓模型分割技術(shù)，由于在數(shù)值計(jì)算過(guò)程中具有較高的穩(wěn)定性，分割精確高等優(yōu)點(diǎn)，成為近年來(lái)的研究熱點(diǎn)，并且在醫(yī)學(xué)圖像分割、邊緣檢測(cè)以及跟蹤等方面得到了普遍廣泛地應(yīng)用。
　　本文主要圍繞基于幾何活動(dòng)輪廓模型的圖像分割進(jìn)行了研究，具體的研究工作如下：
　　基于邊界分割的幾何活動(dòng)輪廓模型中，控制演化曲線停止的條件

2、主要依賴(lài)于邊界的梯度信息，當(dāng)圖像中出現(xiàn)弱邊緣和強(qiáng)噪聲時(shí)，演化曲線可能會(huì)穿越目標(biāo)的邊界，導(dǎo)致無(wú)法精確分割出目標(biāo)?；谌只叶冉y(tǒng)計(jì)信息分割的C-V模型，對(duì)醫(yī)學(xué)上灰度不均勻的超聲波和核磁共振圖像分割不精確。本文提出了基于局部極性信息的幾何活動(dòng)輪廓模型，由于局部極性信息是衡量像素X附近區(qū)域的梯度矢量方向，增大了局部像素點(diǎn)對(duì)輪廓的影響，減少了輪廓距離較遠(yuǎn)的像素點(diǎn)對(duì)其影響，能有效地分辨出像素點(diǎn)是否位于目標(biāo)的邊界上，對(duì)異質(zhì)醫(yī)學(xué)圖像的分割效果較好。同時(shí)

3、在水平集方法中引入了一種改進(jìn)后的符號(hào)距離函數(shù)約束項(xiàng)，該約束項(xiàng)可以保持演化水平集函數(shù)不遠(yuǎn)離符號(hào)距離函數(shù)，有效地避免了水平集函數(shù)的重新初始化步驟，提高了曲線演化的速度。最后的真實(shí)圖像和合成圖像實(shí)驗(yàn)表明，此模型能正確快速地分割灰度不均勻的醫(yī)學(xué)圖像和噪聲圖像。
　　測(cè)地線活動(dòng)輪廓模型(GAC)是一種基于邊界分割的模型，它利用圖像梯度信息來(lái)驅(qū)使曲線演化，在弱邊緣和無(wú)邊緣圖像中容易造成演化曲線穿越邊界，而且很難收斂到深度凹陷的邊緣和不能分割多

4、回路輪廓的圖像。基于全局分割的C-V模型利用圖像的全局信息驅(qū)使曲線演化，但不能分割灰度不均勻的圖像目標(biāo)。為了充分利用圖像的邊緣和區(qū)域信息，本文提出了一種改進(jìn)的測(cè)地線活動(dòng)輪廓模型。首先，將基于區(qū)域的符號(hào)壓力函數(shù)(SPF)替代測(cè)地線活動(dòng)輪廓模型中的邊緣停止函數(shù)(ESF)，因?yàn)樗苡行У氖寡莼€在弱邊緣、模糊邊緣和深度凹陷的邊緣停止。其次，提出一種選擇性的水平集方法來(lái)實(shí)現(xiàn)數(shù)值計(jì)算，該方法有選擇局部分割的能力，能精確地分割出感興趣目標(biāo)。實(shí)驗(yàn)表