基于變分水平集方法的圖像分割和目標(biāo)輪廓跟蹤研究.pdf

1、基于變分水平集方法的圖像分割模型在醫(yī)學(xué)圖像分割、視頻跟蹤等眾多領(lǐng)域有著廣泛應(yīng)用。然而,現(xiàn)有的主動輪廓模型主要是針對目標(biāo)和背景區(qū)域的灰度值比較均勻的圖像而提出的,因而很難對灰度異質(zhì)或低對比度圖像的區(qū)域信息進行正確建模,這直接限制了該模型在圖像分割領(lǐng)域的應(yīng)用。而且,主動輪廓模型本身也存在一些需要改進的地方,如計算效率較低、對初始演化曲線的位置和形狀較敏感、容易陷入局部極小值解等。
　　針對圖像分割方法目前所存在的問題,本文以提高圖像分

2、割的精確度、降低圖像分割的耗時量和增強分割算法的適用性為目標(biāo),對基于變分水平集方法的圖像分割算法展開了系統(tǒng)全面的研究,提出了三類適用于灰度異質(zhì)圖像分割和序列圖像分割的主動輪廓模型,以及與之相關(guān)的圖像分割算法,并且均得到了理想的實驗結(jié)果,具體的一些具有理論意義和實用價值的成果包括:
　　(一)在變分水平集分割算法中,C-V模型無法分割目標(biāo)與背景灰度不均勻的圖像,而LBF分割模型只考慮圖像的局部灰度信息,有時會出現(xiàn)過度分割現(xiàn)象。針對此

3、問題,提出一種基于局部和全局信息的活動輪廓模型(LGBF),將C-V模型與LBF模型的優(yōu)勢相結(jié)合,確定符合實際需要的能量泛函,詳細討論了所改進模型的局部能量項、全局能量項和懲罰能量項。由于引入了水平集函數(shù)的能量懲罰項,不僅消除了耗時的演化曲線重新初始化的步驟,而且還降低了模型對于初始演化曲線位置與形狀設(shè)置的敏感性。同時,對曲線演化方程進行了理論求解,給出半隱差分格式的數(shù)值近似方案以及相應(yīng)的灰度異質(zhì)圖像分割算法。通過對灰度異質(zhì)圖像和醫(yī)學(xué)C

4、T圖像等實測數(shù)據(jù)進行實驗,將改進算法的實驗結(jié)果與現(xiàn)有的C-V活動輪廓模型以及LBF活動輪廓模型的實驗結(jié)果進行比較,驗證了所提模型是可靠和有效的。
　　(二)針對醫(yī)學(xué)圖像處理中的多相圖像分割問題,利用多相水平集函數(shù)將兩區(qū)域的LGBF模型推廣到多區(qū)域的LGBF模型,從而刻畫出所給定的醫(yī)學(xué)CT圖像的多個目標(biāo)區(qū)域的結(jié)構(gòu)特征。根據(jù)變分水平集方法,建立出適用于多相圖像分割的能量泛函表達式。醫(yī)學(xué)CT圖像和MR圖像的目標(biāo)區(qū)域具有很明顯的結(jié)構(gòu)特征,

5、一般由白色物質(zhì)、淺灰色物質(zhì)、深灰色物質(zhì)以及黑色背景這四種區(qū)域構(gòu)成,而且這些目標(biāo)區(qū)域的強度是不均勻的。為了更加清晰地劃分圖像目標(biāo)中各個不同的子區(qū)域,以四相圖像分割為例,推導(dǎo)出新模型演化方程的理論求解過程,并設(shè)計出無條件穩(wěn)定的半隱式差分格式的數(shù)值實現(xiàn)方案。經(jīng)過對灰度不均勻的醫(yī)學(xué)圖像等實測數(shù)據(jù)進行分割實驗,獲得了比較令人滿意的多相分割效果。
　　(三)對于醫(yī)學(xué)視頻中的目標(biāo)輪廓檢測與跟蹤問題,需要滿足實時性和精確性的要求。針對心臟冠狀動脈

6、的跟蹤問題,其序列圖像具有目標(biāo)和背景的灰度比較接近、圖像的灰度不均勻以及目標(biāo)的形狀變化明顯等特點。本研究提出一種快速的單參數(shù)無邊緣活動輪廓模型,可以根據(jù)測地線活動區(qū)域特征對目標(biāo)位置進行快速定位。所給出新模型的能量泛函表達式包括測地線活動區(qū)域項、局部二值擬合項、長度約束項和符號距離懲罰項;利用變分水平集方法,通過Euler-Lagrange方程得到最小化能量泛函的梯度下降流方程;接著確定運動目標(biāo)的邊界特征,提取運動目標(biāo)的背景并估計運動矢量