復(fù)雜背景下的圖像分割算法研究及應(yīng)用.pdf

1、圖像分割作為計算機(jī)視覺領(lǐng)域和圖像處理中的重要一個重要環(huán)節(jié)，為后續(xù)圖像應(yīng)用提供了基礎(chǔ)和保證。針對復(fù)雜背景的圖像，此類圖像拍攝位置隨機(jī)光照不均，背景和目標(biāo)灰度差異不明顯，且攜帶噪聲，分割難度大。亟需針對性的改進(jìn)現(xiàn)有的圖像分割算法，得到理想分割效果，能為后續(xù)的目標(biāo)監(jiān)測或者跟蹤提供保證。無人機(jī)等嵌入式設(shè)備的圖像處理的算法編寫相對底層，建立一個便于移植的圖像分割算法模型庫對其提供支持具有重要的實際意義。
　　基于活動輪廓模型的圖像分割方法是

2、近年圖像分割領(lǐng)域中的熱點(diǎn)話題，與傳統(tǒng)的輪廓提取算法相比，體現(xiàn)出了更好的分割特性。本文研究基于活動輪廓模型的分割方法的算法實現(xiàn)，并結(jié)合分水嶺算法提出改進(jìn)的 Snake模型方法，給復(fù)雜背景下的圖像分割提供一個更優(yōu)解決方案。
　　本文主要研究內(nèi)容包括如下方面：
　　（1）對經(jīng)典圖像分割算法進(jìn)行了仿真實驗，其中，著重調(diào)研了基于閾值的分割方法和基于區(qū)域的分割方法，并用 C/C++語言對其進(jìn)行底層算法實現(xiàn)，驗證了算法的正確性。
　

3、　（2）對基于活動輪廓的圖像分割方法，包括幾何活動輪廓模型和參數(shù)活動輪廓模型等進(jìn)行了深入研究。重點(diǎn)研究了C-V模型和經(jīng)典Snake模型的分割方法，分析了算法求解和模型的優(yōu)缺點(diǎn)。在此基礎(chǔ)上對改進(jìn)的GVF-Snake模型進(jìn)行了研究，并進(jìn)行了算法設(shè)計和實現(xiàn)，進(jìn)行了仿真實驗。
　?。?）針對復(fù)雜背景下的圖像分割，提出了一種結(jié)合分水嶺算法和Snake模型。的新的組合算法框架，該算法組合針對GVF-Snake模型對初始輪廓的依賴性，使用標(biāo)識分