变分水平集的图像分割技术分析-analysis of image segmentation technology based on variational level set.docxVIP

1绪论1.1背景自20世纪80年代以来，计算机技术得到迅猛发展，性价比越来越高，各个领域也因此快速发展。在图像处理领域，人们越来越注重利用计算机实现图像处理和分析，也正因此，图像处理逐渐形成了自己的学科体系，迅速进展，在各方面的应用也日趋广泛。尽管其发展历史不长，但却引起各行各业人士的广泛关注，新的方法和理论层出不穷，呈现出强大的生命力和发展空间。目前，数字图像处理已成为心理学、医学、计算机科学等许多领域内的学者们研究视觉感知的有效工具，在军事、教育、医疗、遥感、气象等各领域得到广泛应用，有着重要的实际意义，产生了巨大的经济效益和社会效益，推动社会的发展。所谓图像处理[1]，是指对图像信息进行某种目的的加工和修正以满足人的视觉心理或应用需求的行为。一般运用计算机对图像数据进行各种运算，以满足人们的这种需求。图像处理主要指数字图像处理，运用数学的方法将一幅图像以数组矩阵的形式表示，该数组的元素称为灰度值，其值为一整数，每一个元素代表着图像对应位置的灰度值，通常也称为像素。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等，图像处理是一种交叉性的学科，与模式识别[2]、计算机视觉、光学、医学、物理学等学科都有着密切关系。目前将该学科体系分为三个层次表述如图1.1：图像理解图像分析图像处理原始图像“改进”图像图1.1图像处理体系而在实际研究和应用中，人们往往只对图像中的某些部分或区域感兴趣，为了便于研究分析，需要将其提取分离出来，这就要求进行图像分割。从图1.1中可以看出，图像处理之后进行图像分析，而图像分割是图像分析的第一步，因此图像分割是从图像处理到分析的关键步骤。1.2图像分割概况1.2.1图像分割的发展概况及研究意义图像分割就是将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其他伪目标中分离出来。往往这些被分割的区域在某些特性上相近，而分割的目的是希望将图像中感兴趣的对象与图像中的其余部分相分离，以便为更高层图像处理服务，因此，需要选取精细有效的分割方法。图像分割是图像识别和图像理解的前提步骤，分割结果的好坏直接影响后续图像处理的效果，因此，准确地进行分割具有重要的意义和作用，一般图像分割常用于模式识别与图像理解以及图像压缩与编码[2]两大类不同的应用目的。目前，图像分割几乎出现在有关图像处理的所有领域，在实际中已得到广泛的应用[3]，并涉及多种类型的图像。例如：在医学图像处理[4]中，心血管、复杂脑切片图像的分割，乳腺癌的扩散图像等；在遥感图像中，对合成孔径雷达图像中目标的分割，遥感云图中不同云系和背景分布的分割等；在交通图像分析[5]中，把目标车辆从背景中分割出来；在面向对象的图像压缩和基于内容的图像检索中，将图像分割成不同的目标区域；如何将脑部CT切片中的灰质和白质分开，以重构整个脑部的三维面结构[4,6]等等。总之，在各种图像处理的应用中，对图像的目标区域进行提取、压缩、处理等都离不开图像分割。虽然目前图像处理领域已发展的比较成熟，各种技术也日趋完善，图像分割技术种类和方法也层出不穷，但至今还没有一种通用的分割算法。所以，图像分割一直都是图像技术中的研究热点，图像分割的准确性和速度等将直接影响着整个任务的成败，因此对图像分割的研究具有十分重要的现实意义。1.2.2传统的图像分割方法及分类目前，图像分割方法有很多，从分割操作策略[7,8,9]上讲，可以分为基于区域的分割方法，基于边缘的分割方法和基于纹理分析的图像分割方法：(1)基于区域的图像分割[4,5]基本思想[4,5]就是将图像划分成不同的互不交叉的区域，使得各区域满足区域内部的相似度大于区域间的相似度。此类方法将灰度值相近的连续区域聚集在一起，将图像分为若干个不同的这样的区域，适用于图像的对象各区域灰度值变化不大，满足某种程度的相似性，目标区域灰度值趋于常值，且图像背景的灰度值又可近似为另一常数。采用阈值分割及分水岭算法等方法即可得到感兴趣的目标区域。该方法虽然利用了区域内的统计信息，但容易生成一些非正则边界和小孔，影响分割结果。(2)基于边缘的图像分割[7]这类分割方法的思想就是利用图像自身的数据信息寻找对象的边界，将对象边界问题转化为边缘检测问题。边缘检测就是按照某种规律或约束找出待分割区域的边缘点。在数学上常用图像梯度的模值来表示图像灰度值的变化率，并将变化率的极大值设定为图像的边缘位置。该方法适用于以下情形：在一幅图像中，各个对象的内部的灰度值可能有不同的变化，但对象的边界常常对应于灰度值的急剧改变。传统的图像处理方法中，常用Sobel算子作边缘检测[1,2]，此类方法虽然充分利用了图像的局部信息，但在建立边缘轮廓的连通性时仍有一定的困难，而且缺乏图像