變分水平集圖像分割算法的初始輪廓引導(dǎo)機(jī)制研究.pdf

1、圖像分割是臨床輔助診斷和器官特征識(shí)別的關(guān)鍵技術(shù)。由于實(shí)際生活中的圖像固有的模糊性和灰度不均勻性等缺陷，使得至今沒(méi)有一種圖像分割算法能夠理想的處理全部圖像，所以圖像分割技術(shù)仍是普遍關(guān)注的熱點(diǎn)問(wèn)題。變分水平集算法不僅可以獲得目標(biāo)的封閉輪廓和處理結(jié)構(gòu)復(fù)雜的目標(biāo)，而且可以采用簡(jiǎn)單的數(shù)值方案迭代求解。但是，初始輪廓和活動(dòng)曲線(xiàn)演化控制參數(shù)的手工設(shè)置使其應(yīng)用受到了限制。
　　本文以區(qū)域能量匹配水平集模型(RSF level set)為基礎(chǔ)，對(duì)變

2、分水平集模型的初始輪廓引導(dǎo)機(jī)制進(jìn)行了研究。論文的主要工作如下:
　　(1)研究了變分水平集圖像分割算法的原理與特點(diǎn)，并對(duì)典型的Mumford-Shah模型、CV模型和區(qū)域能量匹配水平集模型進(jìn)行了分析與比較。
　　(2)研究了聚類(lèi)的圖像分割方法，其中主要介紹了K均值聚類(lèi)、模糊C聚類(lèi)和均值漂移聚類(lèi)三種常用的圖像分割算法的原理及其優(yōu)缺點(diǎn)，最后通過(guò)實(shí)驗(yàn)對(duì)比了三種聚類(lèi)算法的分割精度和運(yùn)算速度。結(jié)果表明，均值漂移聚類(lèi)算法分割精度較高。<

3、br>　　(3)研究了K均值-區(qū)域能量匹配水平集模型、模糊C均值聚類(lèi)-快速變分水平集算法算法和均值漂移-區(qū)域能量匹配水平集模型的初始輪廓引導(dǎo)機(jī)制，并通過(guò)實(shí)驗(yàn)對(duì)這三個(gè)水平集模型進(jìn)行了分析。結(jié)果表明，均值漂移-區(qū)域能量匹配水平集模型可以無(wú)需任何先驗(yàn)知識(shí)獲得逼近目標(biāo)邊界的初始輪廓，魯棒性、自適應(yīng)性等方面更有優(yōu)勢(shì)。
　　(4)本文提出了一種結(jié)合最大類(lèi)間方差法和區(qū)域能量匹配(OTSU-RSF)水平集算法。首先，采用最大類(lèi)間方差法，也稱(chēng)OTS