基于變分水平集的赤潮藻顯微圖像分割方法研究.pdf

1、近年來,我國近海海域赤潮事件頻發(fā)且規(guī)模不斷擴(kuò)大,嚴(yán)重破壞了海洋的生態(tài)環(huán)境,制約了我國沿海經(jīng)濟(jì)的可持續(xù)發(fā)展,這引起了我國政府及科學(xué)界的高度重視。我國政府從不同層面對赤潮發(fā)生的機(jī)制、預(yù)警、預(yù)報與防治方法的研究進(jìn)行了大量的投入,其中自動識別有害赤潮藻是有效預(yù)防和快速鑒定赤潮藻種的重要工作,而赤潮藻顯微圖像分割結(jié)果的好壞直接影響自動識別的效果。本文的主要工作就是研究一種適合赤潮藻顯微圖像的分割方法。
　　 變分法和水平集方法是偏微分方程

2、理論中兩種常用的有效的數(shù)學(xué)方法,采用這兩種方法的圖像分割模型基于變分法的參數(shù)化活動輪廓模型(Snake模型)和基于水平集方法的幾何活動輪廓模型集中體現(xiàn)了偏微分方程圖像處理的優(yōu)越性。本文針對參數(shù)化活動輪廓模型滿足能量極小化原理和幾何活動輪廓模型適應(yīng)曲線拓?fù)浣Y(jié)構(gòu)變化各自的優(yōu)點(diǎn),并結(jié)合我國沿海常見有害赤潮藻種類繁多、形態(tài)各異和其顯微圖像噪聲多、信息模糊等的特點(diǎn)提出一種較為理想的赤潮藻顯微圖像分割方法——變分水平集赤潮藻顯微圖像分割方法。

3、>　　 利用變分水平集進(jìn)行圖像分割的方法中,基于圖像邊緣的分割方法利用圖像邊緣的梯度信息進(jìn)行圖像分割,不適用于噪聲多、信息模糊的赤潮藻顯微圖像;基于圖像區(qū)域的分割方法利用圖像的全局區(qū)域信息,具有良好的優(yōu)化分割效果,本文詳細(xì)分析和介紹了其經(jīng)典的兩種模型:M-S模型和C-V模型。M-S模型的能量函數(shù)包含了對圖像的區(qū)域、活動輪廓曲線的描述,通過優(yōu)化該模型的能量函數(shù),可以一次獲得原始信息模糊、噪聲較大的圖像的邊界、區(qū)域以及平滑圖像。有人提出用

4、水平集方法來解決M-S模型能量函數(shù)的優(yōu)化問題,即建立M-S模型的簡化模型C-V模型。C-V模型不依賴于圖像梯度,而且水平集函數(shù)的初始位置可以定義在圖像的任何地方,但C-V模型存在不足之處,在曲線演化過程中水平集函數(shù)需要不斷的重新初始化,因此,本文結(jié)合李純明等提出的在能量函數(shù)中融入距離保持項(xiàng)(懲罰項(xiàng))的思想,提出無需初始化的變分水平集圖像分割方法,并在此基礎(chǔ)上,通過同時考慮圖像的邊緣和區(qū)域信息,得到適合多數(shù)赤潮藻種顯微圖像分割的方法——基