基于變分水平集的圖像分割算法研究.pdf

1、圖像分割在模式識(shí)別和計(jì)算機(jī)視覺中起著越來越重要的作用,其中基于偏微分方程的分割方法以其獨(dú)特的優(yōu)勢(shì)獲得了廣泛關(guān)注。該類方法主要分為基于邊緣和基于區(qū)域兩類模型?；谶吘壍钠⒎址匠谭指罘椒ㄊ抢脠D像目標(biāo)的邊緣信息,比如梯度、曲率等來進(jìn)行分割,但是該類方法不能很好地解決曲線拓?fù)浣Y(jié)構(gòu)改變的問題?；趨^(qū)域的偏微分方程分割方法即活動(dòng)輪廓模型,利用水平集的思想,采用更高維的空間進(jìn)行曲線演化,可以很好地處理曲線的分裂或合并。隨著活動(dòng)輪廓模型的不斷發(fā)展完

2、善,該類模型得到了充分的發(fā)展和完善。
　　 本文針對(duì)活動(dòng)輪廓模型進(jìn)行了適當(dāng)改進(jìn),從而得到更好的圖像分割結(jié)果。首先介紹了圖像分割的基礎(chǔ)知識(shí),包括分割的一些主流方法以及相應(yīng)的數(shù)學(xué)基礎(chǔ);然后重點(diǎn)介紹了基于水平集的圖像分割算法并對(duì)這些經(jīng)典的模型進(jìn)行了實(shí)驗(yàn),簡(jiǎn)要分析了各算法的優(yōu)缺點(diǎn);最后在現(xiàn)有算法的基礎(chǔ)上從兩個(gè)方面對(duì)模型進(jìn)行了改進(jìn)。本文的工作及取得的成果如下:
　　 (1)提出了既有全局最優(yōu)解,并充分利用圖像局部信息的變分水平集的

3、圖像分割算法。多輪廓CV模型具有全局最優(yōu)的特性,而LBF模型在迭代的過程中通過高斯核函數(shù)巧妙的引入了圖像局部信息,因此本文結(jié)合這兩個(gè)模型的優(yōu)點(diǎn),提出了多輪廓CV-LBF模型。此模型無需重新初始化,能夠充分利用局部信息,而且具有全局最優(yōu)的特性。最后把它推廣到了多相位的情況。通過實(shí)驗(yàn)驗(yàn)證了所提出算法的有效性。
　　 (2)在多輪廓單水平集模型的基礎(chǔ)上改進(jìn)了其外部能量項(xiàng),使模型包含曲線的邊緣檢測(cè)因子。本模型不僅可以分割灰度不同的多目標(biāo)