主动轮廓模型在图像分割中的应用的分析研究.pdfVIP

摘要 摘要 图像分割是图像处理和计算机视觉的基础。近二十年来，基于偏微分方程的 主动轮廓模型在图像分割领域取得了重大的进步，研究成果可有效应用于医学图 像分析、遥感图像处理、机器人视觉、视频跟踪等领域，对推动我国工业的自动 化进程、丰富与发展现有图像处理方法有重要的理论与实际意义。本文主要研究 了几类比较经典的主动轮廓模型在图像分割中的应用。通过分析这些模型的特点， 针对它们存在的缺陷提出一些改进算法。 主动轮廓模型一般采用水平集方法实现，但是传统的水平集方法为了保持数 值稳定，必须初始化为符号距离函数，且在演化过程中需要周期性重新初始化。 变分无需初始化方法虽然可以避免重新初始化，但是抗噪性能比较差。本文采用 二值化与高斯平滑的方法，不但保持了数值稳定，而且提高了抗噪性能。 按图像数据驱动力的不同，一般可以分为基于边界和基于区域的模型。基于边 界模型的典型代表是测地线(GAC)模型，但是该模型对弱边界或离散状边界目标 难以正确分割。针对这个缺点，本文提出一种基于区域的GAC模型，利用区域统 计信息构造符号压力函数来取代边界停止函数，并采用二值化与高斯平滑的方法 演化水平集函数，实验表明该方法在效率与分割效果方面都优于原始GAC模型。 本文还利用Greta公式将基于最大通量几何流的模型转换为最小通量几何流模型。 借鉴GGVF模型的思想，对图像的Laplacian进行去噪处理，防止过零点发生偏移， 并将处理后的结果应用于最小通量几何流模型，提高了该模型的抗噪性能。 另外，本文简要论述了一些经典的基于区域的模型，如Mumford．Shah模型、 CV模型、PS模型、LBF模型等的原理与特性。针对CV模型提出一种效率与性 能更优的改进模型，该模型的数据驱动项由CV模型中数据项简化而来。本文还针 对LBF模型运算量大的缺陷，利用图像数据与拟和图像数据之间的差异构造能量 函数，得到一种效率优于LBF的模型。实验充分验证了本文所提出上述算法的有 效性。 关键词：图像分割偏微分方程主动轮廓模型水平集Mumford．shah模 CV模型PS模型LBF模型 Abstract Abstract isthefoundationof and segmentation vision． Image imageprocessingcomputer PDE-based ActiveContour a inthe Modal(ACM)makesgreatprocessfieldof image canbe tomedical segmentation，whicheffectivelyapplied imageanalysis，remoteimage andSO willhaveatremendous processing,robotvision，videotracking forth,and theoreticalandactual for theindustrialautomatization significance speedingup ofour and the prooodurecountry,enriching developingexistingimageprocessing methods．Inthi