資源描述：
《圖像分割及基于質(zhì)子彈簧模型圖像配準(zhǔn)的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、圖像分割及基于質(zhì)子彈簧模型圖像配準(zhǔn)的研究摘要摘要圖像處理一直是計算機(jī)視覺，模式識別的研究重點．同時，隨著”虛擬人’'研究項目的提出，實施，對圖像處理提出了更多實際要求．我們參與的與”虛擬人”項目相關(guān)的基于人體切片的上頸椎三維重建課題，也對圖像處理提出了新要求．另一方面，伴隨著包括醫(yī)學(xué)影像技術(shù)在內(nèi)的圖像獲取技術(shù)的發(fā)展，不斷有新類型的圖像出現(xiàn)．所有這些都需要我們對包括圖像分割，圖像配準(zhǔn)在內(nèi)的圖像處理技術(shù)進(jìn)行進(jìn)一步的研究．目標(biāo)輪廓提取，彈性圖像配準(zhǔn)分別是圖像分割和圖像配準(zhǔn)研究的重要組成部分．在本文，我們對目標(biāo)
2、輪廓提取，彈性圖像配準(zhǔn)進(jìn)行了初步分析研究，分別提出了單水平集多目標(biāo)輪廓提取算法，IGCA算法，鄰域活動線輪廓提取算法，改進(jìn)型質(zhì)子彈簧模型圖像配準(zhǔn)算法．論文的主要創(chuàng)新點和貢獻(xiàn)，所提出算法的主要思想歸納如下：首先，我們提出單水平集多目標(biāo)輪廓提取算法，實現(xiàn)只采用一個水平集函數(shù)同時提取多個目標(biāo)輪廓線．我們在Chan和Vese的無邊界主動輪廓模型(簡稱CV模型)基礎(chǔ)上，指出CV模型只能實現(xiàn)單目標(biāo)的輪廓提取，主要原因是不能使水平集函數(shù)驅(qū)動的輪廓線在某些目標(biāo)區(qū)域正確分裂，沒有有效利用輪廓線的拓?fù)浞至研畔ⅲ覀兺ㄟ^修正
3、CV模型，引入標(biāo)記模板，用于追蹤零水平集的分裂情況，對不同的準(zhǔn)目標(biāo)區(qū)域區(qū)別處理；引入圖像區(qū)域均值模板，用于估計町能淹沒在背景區(qū)域中的目標(biāo)區(qū)域，促使水平集函數(shù)在上述目標(biāo)區(qū)域充分變形，使對應(yīng)零水平集充分分裂，實現(xiàn)多目標(biāo)輪廓提?。畬嶒灡砻魑覀兊乃惴ㄊ怯行У模浯?，我們提出IGCA：迭代圖切算法和鄰域活動線輪廓提取算法．IGCA算法的主要貢獻(xiàn)在于引入薪圖像分割測度：圖像分割熵(IsE)，將圖像分割問題轉(zhuǎn)換成關(guān)于圖像分割熵的最小化問題；并通過迭代圖切算法給出圖像分割熵的最小化問題的近似解．而鄰域活動線輪廓提取算法
4、，實現(xiàn)了彩色紋理圖像的輪廓提?。c傳統(tǒng)活動線算法要求用戶盡町能提供準(zhǔn)確種子點不同，我們只需要用戶提供種子區(qū)域，就能控制，提取特定目標(biāo)的輪廓線．我們引用J圖概念搖述圖像紋理的區(qū)域特性，在此基礎(chǔ)上定義J向量圖，描述圖像中每點處的紋理特性，并依據(jù)J向量圖定義關(guān)于圖像的權(quán)圖，將圖像目標(biāo)輪廓提取轉(zhuǎn)換成圖論中的最短路徑問題，運用動態(tài)規(guī)劃方法予以求解．實驗表明我們的算法町以實現(xiàn)彩色紋理圖像的輪廓提取．再其次，我們提出基于四邊域網(wǎng)格的改進(jìn)型質(zhì)子彈簧模型圖像配準(zhǔn)算法，實現(xiàn)圖像的彈性配準(zhǔn)，同時給出圖像配準(zhǔn)拓?fù)浔Ｐ蔚某浞謼l件
5、．我們依據(jù)模板圖像建立基于四邊域網(wǎng)格的質(zhì)子彈簧模型，通過將基于模板圖像，目標(biāo)圖像的SDD測度關(guān)于質(zhì)子偏離場的Gateaux導(dǎo)定義為模型外力，質(zhì)子之『日J(rèn)彈性力，阻尼力等定義為內(nèi)力，將圖像配準(zhǔn)問題轉(zhuǎn)換成力學(xué)平衡問題．我們給出確?；谫|(zhì)子彈簧模型變形滿足拓?fù)浔Ｐ魏凸饣韵拗频某浞謼l件．針對模型演化過程中出現(xiàn)的網(wǎng)格重圖像分割及基于質(zhì)子彈簧模型圖像配準(zhǔn)的研究摘要疊問題(即不拓?fù)浔Ｐ涡?，提出通過實時修改質(zhì)子運動速度，和定義拓?fù)浔Ｐ瘟Φ姆椒?，保證模型演變具備拓?fù)浔Ｐ涡?；引入散度，旋度限制，保證偏離場的光滑性．為提
6、高配準(zhǔn)算法的收斂速度，我們進(jìn)一步將分層策略應(yīng)用于模型演化過程中．我們提供了若干實驗結(jié)果說明我們的工作是有效．我們在基于人體切片的上頸椎三維重建課題中運用了我們提出的算法．我們依據(jù)采用上述算法所提取的目標(biāo)輪廓信息進(jìn)行三維重建測試。所得的重建結(jié)果表明我們的算法所提供的數(shù)據(jù)是有效的．關(guān)鍵詞：圖像分割，多目標(biāo)輪廓提取，單水平集，IC,-CA,鄰域活動線，圖像配準(zhǔn)，質(zhì)子彈簧模型，拓?fù)浔Ｐ危饣寓驁D像分割及基于質(zhì)子彈簧模型圖像配準(zhǔn)的研究AbstractImageprocessingplaysimportantro
7、leincomputervision，patternrecognitionandmedicalimageprocessing．AlongwiththeemergingofVh'tualHumanProject，morere．quirementsonimageprocessinghavebeenpresented．Also，newrequirementsfromthesubjectof3Dreconstructionbasedonserialimagesofup-neckslicesareintroduc
8、ed．Atthesametime，withdevelopingoftechniquesonimagecapture，moreflewimagetypesareercate(1．Allofaboveshowthatitisnecessarytodoadeeperresearchonira-ageprocessing，includingimagesegmentationandimageregistration．Aspartofimageproc
