基于活动轮廓的图像分割算法研究资料材料.docVIP

基于活动轮廓的图像分割算法研究 PAGE PAGE II PAGE PAGE 1 摘 要 图像分割是图像处理、目标检测、模式识别、计算机视觉以及机器视觉等方面必不可少的组成部分,其在医学图像分析和遥感影像的提取等方面起十分重要的作用。自上世纪九十年代以来,基于活动轮廓的图像分割方法在图像分割领域应用的越来越广泛,鉴于此图像分割法在获取目标边界的精度的时候，可以达到亚像素的级别,而且所得到的轮廓是光滑封闭的,因此,对接下来进行的图像分析和目标检测提供了良好的基础。 本文旨在探索对基于活动轮廓的图像分割模型,这类模型有利于对灰度分布不均匀的图像进行分割,但同时也存在一些局限性和问题,例如该模型常常会出现对初始轮廓的设置敏感以及分割速度偏慢的情况。基于以上的思考,本文提出了两种在原模型基础上的创新点: 1.对基于局部拟合的活动轮廓模型进行改进。这个方法主要是当曲线演化时，局部区域内出现有些函数值方向相反，然后将这些相反的函数值进行拟合函数值的交换，这样一来，在曲线不断的演化过程中，轮廓内部的拟合值就会一直比轮廓外部的拟合值大或者小，则整个曲线的演化都将沿着目标的内边界或者外边界，而不不至于使最终的演化曲线停留在目标的内部，那么就可以解决当能量最小化时陷入局部最优解的问题。 此改进的方法在保留传统方法优点的基础上，更提升了初始轮廓的鲁棒性。 2.在基于局部拟合的活动模型驱使曲线演化之前，提前将局部图像的平均灰度值计算出来，也就是提前定义两个用于局部拟合的函数。和传统的用于局部拟合的函数比起来，其不同之处在于，本文所提出的预拟合函数和水平集函数毫无关系，而且在函数更新的时候，不需要每次都进行迭代。所以，跟一些传统的基于局部区域拟合的活动轮廓模型比起来，此改进的模型具有更少的计算量和更快的分割速度等优点。另外由于此模型的初始水平集函数被设置为一个常数，所以其对初始轮廓具有很好的鲁棒性。 从实验结果可以看出，本文所提出的两个改进点可以对灰度分布不均匀的图像有较好的分割结果，对边缘较弱或含有噪声的图像也有不错的分割效果。与传统的局部拟合模型相比，第一个改进的模型较好的解决了传统的活动轮廓模型对初始轮廓选取较为敏感的问题，而第二个改进的模型则针对传统的活动轮廓模型分割速度较慢的缺点，加快了分割速度，提高了分割效率，也增强了初始轮廓的鲁棒性。 关键词：图像分割，水平集，活动轮廓模型，局部拟合，灰度不均匀。 Abstract Image segmentation is an indispensable part of image processing, target detection, pattern recognition, computer vision and machine vision. It plays an important role in medical image analysis and remote sensing image extraction. Since the 1990 s, the image segmentation method based on active contour is finding wider and wider application in the field of image segmentation, in view of the accuracy of image segmentation method in obtaining the boundary of the object, can achieve sub-pixel level, and the resulting contour is smooth and closed, therefore, the next image analysis and target detection provides a good foundation. This paper aims to explore the image segmentation model based on active contour, which is beneficial to the segmentation of images with uneven distribution of gray scale, but also has some limitations and problems. For example, the model is often sensitive to the setting of initial contour and the segmentation speed is slow. Based