基于主動輪廓模型的圖像分割方法的研究.pdf

1、圖像分割是圖像處理與計算機視覺的關(guān)鍵技術(shù)之一，吸引了越來越多的研究者的注意，先后提出了多種不同的算法模型。首先是主動輪廓模型，它是一種充分利用高層信息的自上而下的處理過程。為輪廓提取、立體匹配和目標(biāo)跟蹤等一系列視覺問題提供了一個統(tǒng)一的理論框架，并已在圖像分割、醫(yī)學(xué)圖像處理、人機交互等許多領(lǐng)域獲得了廣泛的應(yīng)用。其次是在主動輪廓模型的基礎(chǔ)上發(fā)展起來的幾何算法，最初由Osher和Sethian提出，用于解決遵循熱力學(xué)方程下火苗外形的變化過程。

2、這種方法對于拓?fù)浣Y(jié)構(gòu)變化比較復(fù)雜的物體輪廓的提取有較大的優(yōu)越性，現(xiàn)在已經(jīng)應(yīng)用于醫(yī)學(xué)領(lǐng)域病變處的診斷。但是這幾種模型仍然存在許多缺陷，因此有必要對它們做深入研究。 本文首先闡述了主動輪廓模型的基本原理，研究了傳統(tǒng)參數(shù)化主動輪廓模型能量函數(shù)最小化的改進算法。接下來針對主動輪廓模型對凹形物體輪廓提取效果不好的問題，研究了梯度流量算法（GVF）。雖然這種方法對凹陷物體輪廓的提取比主動輪廓模型效果要好，但是在對深度凹陷的物體輪廓的提取時效

3、果仍不盡人意，為此將力場擴散方程中梯度矢量流的各分量分別歸一化，使曲線上各點受物體邊界力場的影響跟它與邊界的距離無關(guān)，從而克服了GVF模型難以解決的深凹腔問題，同時提出了在GVF模型中引入和設(shè)置方向矢量的算法，在矢量指定范圍內(nèi)能屏蔽掉不需要的物體力場的影響，從而更加準(zhǔn)確地分割出感興趣的物體。 Mumford-Shah模型是最成功的圖像分割模型之一，本文還在研究了Mumford-Shah模型和水平集方法的基礎(chǔ)上，提出了一種新的初

4、始化水平集的連續(xù)分割方法。首先引入了一個設(shè)計好的Basin Hopping跳法，它用一種全局的跳躍方法使收斂曲線避免陷入局部最小值。然后針對多相分割，采用連續(xù)分割方法，并用估值能量來決定繼續(xù)進行再分割的必要性，從而克服了C-V模型的不足。 實驗表明，文中對主動輪廓模型、GVF模型和Mumford-Shah模型的改進都取得了明顯的效果。但由于這些算法具有不同的特性，實際應(yīng)用中應(yīng)該根據(jù)不同的場合選用不同的算法，充分利用它們各自的優(yōu)點