圖像分割算法研究及其應(yīng)用——基于變分偏微分方程的圖像分割算法

《圖像分割算法研究及其應(yīng)用——基于變分偏微分方程的圖像分割算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號(hào)密級(jí)碩士學(xué)位論文題目：圖像分割算法研究及其應(yīng)用—基于變分偏微分方程的圖像分割算法英文并列題目：ResearchofImageSegmentationAlgorithmandItsApplication—AlgorithmofImageSegmentationBasedonVariationalPartialDifferentialEquation研究生：林喜蘭專業(yè)：數(shù)字媒體技術(shù)研究方向：圖像處理與智能識(shí)別導(dǎo)師：陳秀宏教授指導(dǎo)小組成員：學(xué)位授予日期：2016年6月答辯委員會(huì)主席：劉淵教授江南大學(xué)地址：無

2、錫市蠡湖大道1800號(hào)二○一六年六月摘要摘要圖像分割是圖像處理和計(jì)算機(jī)視覺領(lǐng)域中必不可少的一部分。到目前為止，有很多種圖像分割方法，活動(dòng)輪廓模型是其中一種流行和研究較多的方法，并且應(yīng)用廣泛?；顒?dòng)輪廓模型的基本思想是對分割目標(biāo)構(gòu)造約束函數(shù)，通過曲線演化理論來實(shí)現(xiàn)分割過程。根據(jù)約束條件的性質(zhì)，活動(dòng)輪廓模型方法基本可以分為兩類：基于邊緣的、基于區(qū)域的活動(dòng)輪廓模型?；谶吘壍幕顒?dòng)輪廓模型，比如最初的Snake活動(dòng)輪廓模型以及在此基礎(chǔ)上的一些改進(jìn)模型。但是這類方法對噪聲敏感并且很難檢測出弱邊緣。當(dāng)初始化輪廓距離目標(biāo)邊

3、界太遠(yuǎn)時(shí)，很難使用基于邊緣的模型找到目標(biāo)邊界?；趨^(qū)域的活動(dòng)輪廓模型使用區(qū)域信息來定義曲線的能量泛函從而驅(qū)動(dòng)曲線演化。其中，最經(jīng)典的是由Chan和Vese提出的沒有邊緣的基于區(qū)域的活動(dòng)輪廓模型,它綜合考慮了曲線內(nèi)部和外部的信息,并且基本上克服了基于邊緣活動(dòng)輪廓模型的缺點(diǎn)，可以得到把含有噪聲圖像和基于邊緣圖像的分割結(jié)果。基于變分偏微分方程的活動(dòng)輪廓模型在圖像分割過程中遇到的最大的問題是計(jì)算量較大且收斂速度慢。因此，本文在前人基于活動(dòng)輪廓模型研究的基礎(chǔ)上，提出了新的活動(dòng)輪廓模型的改進(jìn)算法，具體如下：1.提出一種

4、新的基于區(qū)域混合模型的非凸正則化活動(dòng)輪廓模型。該模型構(gòu)造了一個(gè)新的能量泛函，該能量泛函綜合考慮了圖像局部聚類性質(zhì)的局部二值模型和測地線模型，增加非凸正則化項(xiàng)，加快了輪廓曲線的收斂速度，并且可以很好地保持區(qū)域形狀并能防止邊緣過平滑，然后通過經(jīng)典的有限差分法求得能量泛函的極小值。最后，在合成圖像和醫(yī)學(xué)圖像上做了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，提出算法可以更快的達(dá)到收斂，分割準(zhǔn)確度比較高、并且魯棒性更好。2.提出一種新的局部信息熵的混合測地區(qū)域活動(dòng)輪廓模型。該模型構(gòu)造一個(gè)新的能量泛函，在泛函中引入柔化核函數(shù)作為窗口核函數(shù)

5、，同時(shí)構(gòu)造一個(gè)新的符號(hào)壓力函數(shù)來代替測地線邊緣檢測函數(shù)，并以局部信息熵作為圖像擬合能量項(xiàng)的權(quán)重，通過非凸正則化項(xiàng)來約束水平集函數(shù)。由此得到的算法不僅能加快輪廓曲線的收斂速度，而且可以處理那些由于光照或其他外界因素的變化而產(chǎn)生的灰度不均勻或者模糊的圖像，提高分割的精確性。最后，將所提出算法在合成圖像和真實(shí)圖像上做了仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，所提出的算法不僅收斂速度快，而且具有較高的分割準(zhǔn)確度，同時(shí)對初始化輪廓曲線的位置不敏感，具有很好的魯棒性。最后，對論文工作做了總結(jié)，并提出了本文所研究類型算法在以后可以繼續(xù)研

6、究的幾個(gè)方向。關(guān)鍵詞：圖像分割；基于邊緣的活動(dòng)輪廓模型；基于區(qū)域的活動(dòng)輪廓模型；混合活動(dòng)輪廓模型；局部信息熵。IAbstractAbstractImagesegmentationisanessentialpartoftheimageprocessingandcomputervision.Sofar,thereisavarietyofsegmentationmethods,andamongthemactivecontourmodelbasedonvariationalpartialdifferentialeq

7、uationisapopularone,itiswidelystudiedandusedinmanyapplications.Thefundamentalideaofactivecontourmodelistoconstructsomeconstraintsfunctionstothesegmentationobjectandrealizethesegmentationprocessbycurveevolution.Accordingtothepropertyofconstraints,themethods

8、basicallyfallintotwocategories:edge-based、region-basedactivecontourmodels.Theedgebasedactivecontourmodel,suchastheearliestsnake-activecontourmodelandsomeotherimprovedalgorithmsbasedonit.Butthesekindsofmethods