分割分片常值图像的活动轮廓模型研究-计算数学专业论文.docx

重庆大学 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV contours. So re-initialization is unnecessary. Otherwise, in contrast with some other models, the experimental results show that the new proposed model can segment three phases image correctly. Key words: Image segmentation, Active contour model, C-V model, Piecewise constant, Coefficient of variation 重庆大学硕 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 研究背景和意义 1 1.2 活动轮廓模型研究现状 2 1.2.1 基于边缘的活动轮廓模型 2 1.2.2 基于区域的活动轮廓模型 3 1.3 本文主要内容和结构安排 4 2 数学理论知识 5 2.1 平面微分几何 5 2.1.1 曲线的定义 5 2.1.2 曲线的自然参数表示 5 2.1.3 闭曲线的水平集表示 6 2.2 曲线演化理论 7 2.3 水平集方法 8 2.4 变分水平集方法 9 2.5 变分法和梯度下降流 10 2.5.1 变分法 10 2.5.2 梯度下降法 12 2.6 变异系数 13 3 相关模型 15 HYPERLINK \l _TOC_250003 3.1 C-V 模型 15 3.1.1 模型介绍 15 3.1.2 数值实现 16 HYPERLINK \l _TOC_250002 3.2 改进 C-V 模型 17 HYPERLINK \l _TOC_250001 3.3 局部 C-V 模型（LCV） 18 HYPERLINK \l _TOC_250000 3.4 PSM 模型 20 4 本文模型 23 4.1 结合变异系数的分割模型 23 4.2 算法实现 26 4.3 实验结果及分析 27 4.4 小结 30 5 总结与展望 32 5.1 论文总结 32 5.2 展望 32 致 谢 33 参考文献 34 附 录 37 重庆大学 重庆大学硕士学位论文 1 绪 论 PAGE PAGE 10 1 绪 论 1.1 研究背景和意义 图像处理是模式识别和计算机视觉的重要组成部分，也是图像理解和分析的 重要前提。目前，图像处理研究热点主要包含以下几个方面[1-3]：图像预处理、图像 分割和图像分析。图像分割在图像处理中处于中等地位，是图像理解和分析的重 要步骤，是一项非常重要的前期工作，在图像处理整个步骤中起着关键的作用。 图像分割的目的是从图像中分割出感兴趣的区域或目标，以便用于更高层次的分 析和识别。例如，在车牌自动识别系统中，首先获得一幅包含汽车牌照的图像， 对图像进行预处理，分割出字符的轮廓，然后通过计算机处理将其转化为更清晰 的字符，最后识别出这些字符。 图像分割是根据图像的一些特征，将满足某种相似性特征的像素点划为同一 个区域，从而将图像分为若干构成它的子区域，提取出感兴趣的区域，分割的准 确性在很大程度上影响着图像分析等高层次处理的准确性。图像分割的应用非常 广泛，如工业 CT、生物医学、基于内容的图像库检索、以及军事、农业、体育等 诸多方面，涉及各种不同类型的图像。图像类型不同，往往需要的分割方法也不 大相同。 图像分割方法一般利用图像灰度信息的不连续性和相似性，至今，已有成千 上万种不同算法被提出。一般来讲，传统的图像分割算法主要有：①阈值法[4]；② 区域生长法[5]；③边缘检测法[6]，④分水岭算法[7]。阈值法是指选取一个或多个阈 值，将图像中不同亮度的像素点，分成不同的类或区域。阈值分割的关键是找到 一个或多个合适的阈值，虽然现在已有很多的阈值处理技术，如全局阈值，自适 应阈值、最佳阈值等，但是找到一个合适的阈值，仍具有很大的难度。边缘检测 法分割图像利用图像灰度值的不连续变化来实现的，而这种不连续性可通过导数 来检查。一阶导数的极值点和二阶导数的零交叉点作为判断边缘点的一个基本依 据。常用的一些微分算子主要有 Sobel 算子、Prewitt 算子和 Roberts 算子、Laplace 算子等。但该方法对噪声、边缘模糊图像处理效果不佳，检测出的边缘常常出现 间断。因此，边缘检测算法还需要一些处理手段的支持，如在使用边缘检测算法 后，使用某种边缘连接算法，将边缘点连接有意义的边缘。区域生长法的基本思 想是根据图像的特征，定义一