基于Split Bregman方法的快速圖像分割模型的研究.pdf

1、圖像分割是圖像處理和計(jì)算機(jī)視圖中的一項(xiàng)基本任務(wù)。活動(dòng)輪廓模型已經(jīng)發(fā)展成為最成功的圖像分割方法之一。經(jīng)典的活動(dòng)輪廓模型包括測(cè)地活動(dòng)輪廓模型,Chan-Vese模型,區(qū)域可伸縮擬合能量模型,分段常量多區(qū)Vese-Chan模型等。雖然這些模型都有一些比較好的數(shù)值實(shí)驗(yàn)結(jié)果,它們都有各自的局限性。如Chan-Vese模型和分段常量多區(qū)Vese-Chan模型不可以處理強(qiáng)度不均勻的圖像,測(cè)地活動(dòng)輪廓模型和區(qū)域可伸縮擬合能量模型對(duì)輪廓線的初始化比較敏感

2、等。另外,非凸性是這些模型的一個(gè)共同缺點(diǎn)。為了解決模型非凸性帶來的問題,全局凸分割方法被提出并且應(yīng)用于Chan-Vese模型取得很好的效果。Split Bregman方法已經(jīng)被應(yīng)用于更加快速地解決圖像分割問題,如極小化全局凸Chan-Vese模型。但是全局凸Chan-Vese模型主要適用于具有同質(zhì)區(qū)域的二區(qū)圖像。因此,為了更加快速有效地分割強(qiáng)度不均勻的圖像或者具有多個(gè)區(qū)域的圖像,本文基于這幾個(gè)經(jīng)典的活動(dòng)輪廓模型,全局凸分割方法與Spli

3、t Bregman方法提出以下四個(gè)新的快速的圖像分割模型。
　　1.為了解決區(qū)域可伸縮擬合能量模型的非凸性帶來的問題,并且為了更加快速容易地檢測(cè)圖像中物體的邊緣,本文結(jié)合區(qū)域可伸縮擬合能量模型,測(cè)地活動(dòng)輪廓模型與全局凸分割方法提出一個(gè)全局凸區(qū)域可伸縮擬合能量模型。新模型的能量泛函在結(jié)構(gòu)上的特殊性保證了Split Bregman方法的應(yīng)用,從而可以給出新模型一個(gè)快速的算法。因此,新提出的全局凸區(qū)域可伸縮擬合能量模型可以快速并且準(zhǔn)確地

4、分割具有強(qiáng)度不均勻性質(zhì)的圖像。
　　2.考慮到Chan-Vese模型和區(qū)域可伸縮擬合能量模型各自的優(yōu)缺點(diǎn),本文提出一個(gè)自動(dòng)結(jié)合局部與全局信息的活動(dòng)輪廓模型。本文首先將Chan-Vese模型和區(qū)域可伸縮擬合能量模型結(jié)合,應(yīng)用一個(gè)隨圖像位置變化的權(quán)函數(shù)來自動(dòng)地平衡這兩個(gè)模型的權(quán)值,并應(yīng)用全局凸分割方法定義一個(gè)新的能量泛函。為了更加容易地檢測(cè)物體的邊緣,本文在新提出的能量泛函中加入一個(gè)非負(fù)的邊緣檢測(cè)函數(shù)來引入邊界信息。然后,本文應(yīng)用Sp

5、lit Bregman方法來快速極小化新模型的能量泛函。于是,新提出的自動(dòng)結(jié)合局部與全局信息的活動(dòng)輪廓模型可以更加準(zhǔn)確并快速地分割更加普遍的圖像,包括強(qiáng)度均勻和強(qiáng)度不均勻的圖像。
　　3.本文基于分段常量多區(qū) Vese-Chan模型,全局凸分割方法和 Split Bregman方法,提出一個(gè)基于Vese-Chan模型的快速多區(qū)分割模型,用于將給定的圖像分割為多個(gè)區(qū)域。新提出的快速多區(qū)分割模型可以自動(dòng)地避免空白和重疊的問題,需要較少

6、的水平集函數(shù)來表示相同數(shù)目的區(qū)域,還可以表示具有復(fù)雜拓?fù)浣Y(jié)構(gòu)的邊界。此外,全局凸分割方法和Split Bregman方法的應(yīng)用使得新模型比原Vese-Chan模型快得多。由于新提出的模型是一個(gè)分段常量多區(qū)圖像分割模型,因此主要用于快速地分割具有同質(zhì)區(qū)域的多區(qū)圖像。
　　4.為了分割具有多個(gè)區(qū)域并且強(qiáng)度不均勻的圖像,本文將上述自動(dòng)結(jié)合局部與全局信息的活動(dòng)輪廓模型由二區(qū)水平集格式推廣到多區(qū)水平集格式,提出一個(gè)自動(dòng)結(jié)合局部與全局信息的多