多相圖像分割的變分水平集方法.pdf

1、圖像分割是計算機視覺的一個重要研究課題，圖像分割技術(shù)就是把圖像分割成具有相同的強度、紋理、顏色、運動等子區(qū)域，由于圖像中物體自身的復雜性以及所要識別多個不同目標的需求，傳統(tǒng)的單水平集方法不能很好地解決這類分割問題，而且對分割目標的分割局限于二維的場景中，因而需要對多相圖像分割進行研究，并將多相圖像分割由二維拓展到三維。本文對多相變分水平集方法的圖像分割進行了深入的研究，主要包括以下幾個方面：第一，系統(tǒng)地研究了曲線演化、水平集方法、Mum

2、ford-Shah模型的基本理論及其在圖像分割領(lǐng)域的應用。第二，根據(jù)Abdol-Reza Mansouri等提出的區(qū)域競爭策略，建立了統(tǒng)一的區(qū)域表達模型，有效地避免了多個水平集函數(shù)區(qū)域劃分時的重疊和漏分現(xiàn)象；在Paragios提出的測地主動區(qū)域模型的基礎(chǔ)上，對于分段常值圖像，根據(jù)不同的圖像區(qū)域分布建立了不同的多相圖像分割模型，分別用于分割噪聲符合Gauss分布的MRI圖像和Rayleigh分布的Ultrasound圖像；第三，將該模型擴

3、展，保留了Mumford-Shah模型中的數(shù)據(jù)光滑項，但是將數(shù)據(jù)光滑項的二次改為一次，這樣在圖像分割中能夠更好的保留邊界；第四，將變分水平集方法的圖像分割由二維拓展到三維，將二維中的區(qū)域劃分策略，區(qū)域分布模型應用到三維的圖像分割中，對斷層圖像序列三維分割過程也是對分割目標進行三維重建的過程。第五，編程實現(xiàn)了變分水平集方法的多相圖像分割，包括二維圖像的分段常值和分段光滑的圖像分割以及三維的分段常值的圖像分割，并將其應用于人工圖像，遙感圖像