基于Snake图像分割算法研究.docVIP

基于Snake图像分割算法研究 　　摘要：图像分割算法是指从待割图像中提取出感兴趣的目标，以便进行图像分析与图像理解。Snake算法不同于传统的图像分割方法。文中详细介绍了Snake模型的数学机理及离散化方法，最后利用贪婪法实现了Snake算法，并应用与实际图像的分割。 　　关键词：图像分割；Snake模型；贪婪算法 　　中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）13-3064-03 　　Abstract： Image segmentation algorithm means to be cut from the image to extract the target of interest for image analysis and image understanding. Snake algorithm differs from the traditional image segmentation methods. Paper describes in detail the mechanism and discrete mathematical method Snake model， and finally the use of law to achieve the Snake greedy algorithms， and applications and the actual image segmentation. 　　Key words： Image segmentation； Snake models； greedy algorithms 　　1 概述 　　图像分割就是把输入的图像进行区域划分，分割成一系列感兴趣的区域，这项工作对于人类视觉能直接轻松地完成，对机器视觉而言确是一个难题，至今还没有一种图像分割算法能处理所有的图像分割问题，只能就某个具体问题，利用对应的算法进行分割，一种方法应用于某一类图像分割可以，应用到另一类图像分割时就没有效果了。常见的图像分割方法有阈值法、边缘检测法、区域生长法、分水岭法等，这些方法都利用到图像底层信息，在像素级要素上进行处理。而Snake算法则打破了这一局限，能利用图像的高层信息，能将图像分割问题转化成数学上求能量泛函的问题，又基于微分方程，利用差分、有限元等方法将其离散化，利用计算机进行算法迭代，求解图像分割结果。 　　2 Snake模型机理 　　2.1 经典Snake模型 　　Kass等人提出的经典Snake模型由一组控制点组成： 　　[v（s）=[x（s），y（s）]] [s∈[0，1]] （2-1） 　　x（s）和y（s）分别表示每个控制点在图像中的坐标位置，s是以傅立叶变换形式描述边界的自变量，轮廓线的能量由内部能量和外部能量组成，基本的能量构成表示为： 　　[Etotal=CEInternal+EExternal=CEElastic+EBending+EExternal] （2-2） 　　其中： 　　[EElastic=12Cα（s）vs2ds] （2-3） 　　[EBending=12Cβ（s）vss2ds] （2-4） 　　[EExternal=-γ（s）?I（v（s））2] （2-5） 　　[EElastic]为弹性能量，[EBending]为弯曲能量，[vs]和[vss]是v（s）对于s的一阶和二阶导数[vs=dv（s）ds]，[vss=d2v（s）ds2]。一阶导数反映曲线的连续性，二阶导数反映曲线的平滑性。在活动轮廓发生形变时，弹性能量使轮廓收缩，弯曲能量抵抗变形，保持曲线平滑。[EExternal]为外部能量，也称图像力，主动轮廓模型的关键就在于如何定义外部能量，使得能量的最小化满足期望结果的图像特征。 　　2.2 Snake模型离散化 　　针对Snake能量方程（2-1）式可知，Snake总能量包含内部能量和外部能量，内部能量为弹性能量、弯曲能量、面积能量。外部能量被认为是图像能量。 　　假定[{V1，V2，…，Vn}]是Snake上的n个点，snake的总能量可表达为各点的能量之和。 　　[minEsnake=min（Ev1+Ev2+…+Evn）] （2-6） 　　当Snake能量最小时，各点能量也趋于相对平衡状态，即认为各点也达到能量最小化，把点[Vi]能量最小化的公式如下： 　　[E（Vi）=min0jwinsize[αEcont（Vi，j）+βEcurv（Vi，j）+γEimg（Vi，j）]] （2-7） 　　式（2-7）中的winsize为搜索窗口的大小，[Vi]代表第[i]个Snake点或其位置。[Vi，j]为第[i]个Snake点在搜索窗口中[j]