基于水平集及主动轮廓线模型的超声图像分割研究讲述.docxVIP

基于水平集及主动轮廓线模型的超声图像分割研究 摘要 图像分割是图像处理中一个基本而关键的环节，图像经过预处理只是得到了原始图像的最佳逼近，在进行特征提取识别之前，进行图像分割必不可少。图像分割是图像处理与计算机视觉的关键技术之一，吸引了越来越多的研究者的注意，在日常生活中，图像提供给人们丰富的信息，随着互联网的广泛应用，图像已成为人们获取和利用信息的重要来源和手段，也一直是非常重要的研究对象。图像分割就是把图像分解成具有某种特性的若干区域并提取对我们有用的目标的技术和过程。这些特性包括灰度、颜色、纹理等，图像分割的应用非常的广泛，因此人们先后提出了多种不同的算法模型。传统的图像分割方法难以满足图像复杂分割的要求，基于主动轮廓模型的传统图像方法分割正是这种需求下出现的。为轮廓提取、立体匹配和目标跟踪等一系列视觉问题提供了一个统一的理论框架，并已在图像处理和人机交互等许多许多领域得到了广泛的应用。同时主动轮廓线模型图像分割还存在一定的缺点。模糊聚类法参数敏感性高，模糊聚类分割算法具有良好的局部收敛性，还有它适合在高维特征空间中进行像素的分类，这种算法也有一定局限性。 关键词：图像分割 主动轮廓线模型 模糊聚类 水平集 ABSTRACT Abstract:Classicalimagesegmentationtechniquescannotsatisfytherequirementsofcompleximagesegmentation.Underthecircumstances,modelrssdrivenimagesegmentationtechniquescomeintobeing.limited,GeometricActiveContourModeliscapableofhandlingchangesinthetopologyoftheevolvingcontour,itisthedifficultproblemtoParameterActiveContourMode.Andtheemergenceofthelevelsetmethod,Fuzzy clustering method of parameter sensitivity is high, the fuzzy clustering segmentation algorithm has good local convergence, and it is suitable for pixels classification in the high dimensional feature space, this also has certain limitations. This article tells the story of the active contour model for image segmentation, fuzzy clustering for image segmentation, combined with the advantages of both, combine both make the processing of image more clear, more effective. Key words:Image segmentation Active contour model Fuzzy clustering Level set 目 录 一 绪论1 1.1图像分割现状1 1.2研究背景与意义 3 1.3 图像分割的目的4 1.4水平集4 1.5 基于主动轮廓线模型的图像分割5 1.6基于模糊聚类图像分割7 二 基于主动轮廓线模型的图像分割介绍9 2.1 基于主动轮廓线模型含义9 2.2 基于主动轮廓线模型分类10 2.3 基于主动轮廓线模型特点10 2.4 基于主动轮廓线模型应用方法11 三 从参数主动轮廓到几何主动轮廓 14 3.1参数主动轮廓模型14 3.2几何主动轮廓模型14 3.3边界区域轮廓模型14 3.4多区域轮廓模型16 3.5结论16 四 基于模糊聚类图像分割介绍17 4.1 基于模糊聚类图像分割含义 17 4.2 基于模糊聚类图像分割的类型18 4.3基于模糊聚类图像分割的特点18 4.4 基于模糊聚类图像分割的应用方法19 五 主动轮廓水平集处理超声