基于區(qū)域活動輪廓模型的圖像分割.pdf

1、圖像分割是根據(jù)某種圖像特征將圖像劃分為互不重疊的子區(qū)域的過程，在同一子區(qū)域內(nèi)所有的像素點有相似的特征，而不同子區(qū)域的像素點則持有不同的特征，這種特征可以是圖像的顏色、灰度值或紋理?；趨^(qū)域的分段常數(shù)Mumford-Shah模型已經(jīng)成為目前最流行的圖像分割方法之一，這種模型不需要利用圖像的梯度信息，可以實現(xiàn)對圖像的實時分割和平滑，并且它對初始活動輪廓曲線的位置要求比較低，初始活動輪廓曲線可以設(shè)置在圖像域內(nèi)的任何地方。雖然這種模型已經(jīng)取得了

2、很大的發(fā)展，但是它自身還是存在著一些不足：第一，它不能魯棒地分割強(qiáng)度分布不均勻的圖像；第二，它不能魯棒地分割含高噪聲的圖像。 本論文主要針對基于區(qū)域的分段常數(shù)Mumford-Shah模型的不足提出了一種新的數(shù)值方法和一種新的基于區(qū)域的分割模型。論文主要的貢獻(xiàn)如下： 一、提出了一種基于散亂點的區(qū)域圖像分割算法。在這種方法中，我們的問題域是用散亂點來描述的，也就是說問題域中沒有傳統(tǒng)的固定網(wǎng)格或三角網(wǎng)格。問題域中的散亂點是根據(jù)

3、圖像的特征自適應(yīng)分布的，所以我們可以很方便地通過添加或減少計算域中的點數(shù)來提高或降低局部曲線計算的精度。在論文中，我們先將這種方法應(yīng)用到了單通道的分段常數(shù)Mumford-Shah模型，用于灰度圖像的分割。隨后，結(jié)合Gabor濾波器的紋理提取，我們又將它應(yīng)用到多通道的分段常數(shù)Mumford-Shah模型中，進(jìn)行紋理圖像的分割。 二、提出了一種新穎的鄰域約束的區(qū)域活動輪廓模型。在這個模型中，我們假設(shè)圖像中的每一個像素點都會受到它的影