图像中的偏微分方程-自蛇.docxVIP

研究生课程考试报告 课程名称： 图像中的偏微分方程 任课教师： 王军峰 专 业： 计 算 数 学 学 号： 2160920020 姓 名： 徐 甜 成 绩：  PAGE \* MERGEFORMAT 28 一、编程部分 1.1自蛇模型的提出 自蛇模型是在不含自由参数测地线活动模型（简称GAC模型）的基础上考虑使图像水平集按GAC模型运动而得到。自蛇模型(snake model)或GAC模型(active contour)是由M.kass等首先提出来的，主要用于图像的分割。其思想是将分割问题归结为最小化一个封闭曲线C(p)的“能量”泛函： 1.1.1 式中是设定的参数，分别是一、二阶导数，是梯度模值。 对上述模型进行简化，便得到了如下的能量泛函来确定活动轮廓： 1.1.2 是闭合封闭曲线C的弧长，是一个边缘停止函数，它一般在图像的平坦区取值接近1，而在图像的边缘附近取值接近0。 最小化式4.1.2得到对应的梯度下降流为： 1.1.3 式中，是曲线C的斜率，是曲线C的法矢量。 采用水平集方法进行数值求解时，它对应的嵌入函数的PDE为： 1.1.4 上述简化的模型称为GAC模型，它在图像分割方面，有着非常显著的效果。 1.2方向扩散 从保护图像边缘的观点出发，我们希望扩散只沿着平行于边缘的切线方向（即垂直于图像梯度矢量的方向进行。于是，提出了如下扩散方程： 1.2.1 式中是垂直于的单位矢量。 其中 1.2.2 根据定义 1.2.3 又因为 于是有 1.2.4 式中 称为Hessian矩阵。 另一方面，由于 1.2.5 故得 1.2.6 这样，方向扩散方程式便可写为： 1.2.7 由于图像的任一水平（线）集的内部取值较外部大，故水平（线）集的法矢量为，于是曲率表达式为： 1.2.8 则有 1.2.9 因此图像的方向扩散就等价于对图像做中值滤波。反过来说就是，传统的图像中值滤波是方向扩散的一种近似。 如果希望削弱在边缘附近的，还可以在中，引入边缘停止函数，即 1.2.10 1.3自蛇模型及其特点 人们发现。在图像滤波时，沿着边缘的切线方向进行的方向扩散是令图像的所有水平集作曲率运动。为此，有人提出令图像所有水平集按GAC模型来运动，得到一种图像非线性滤波方法，称为“自蛇”模型。 1.3.1 上式中，表示图像的边缘停止函数，他的选区可参照P-M模型。模型扩散行为分析 1.3.2 其中 1.3.3 分别为扩散项和冲击项。 其中 边缘函数为 1.3.4 该模型主要用于图像的滤波。上式的意义是进行加权的非线性扩散，在图像的边缘，即比较大的地方，即图像的边缘，取比较小的值，从而扩散几乎停止，反之则扩散滤波。该模型用于滤波有较优越的性能。 由于方向扩散只沿着图像边缘的切线方向进行扩散，而沿梯度方向没有任何扩散，虽能保持图像边缘的锐度，但是会在图像的光滑区域产生阶梯效应，所以需要适当地在图像梯度方向加入扩散项。第二项为冲击项，它具有加强边缘的作用。但有自蛇模型在实际的去噪中存在去噪不干净的问题。 1.4数值方案及算法步骤 由于自蛇模型的方程可以化为 1.4.1 则有 1.4.2 分别为扩散项和冲击项。 我们先来计算