用于圖像分割的主動輪廓模型研究.pdf

1、主動輪廓廣泛應(yīng)用于圖像處理和計算機視覺領(lǐng)域。梯度矢量流(GradientVector Flow，簡稱GVF)主動輪廓因改善了傳統(tǒng)主動輪廓初始化的敏感性以及較差的凹陷收斂性能而備受關(guān)注。其廣義(Generalized GVF，簡稱GGVF)主動輪廓旨在提高GVF主動輪廓檢測長窄凹陷(Long and Thin Indentation，簡稱LTI)的性能。然而，GVF和GGVF主動輪廓在LTI收斂，邊界保護，計算成本，以及噪聲、參數(shù)和初始化

2、魯棒性等典型問題上的不足，阻礙其進一步的應(yīng)用。為解決這些問題，本論文提出以下兩個外部力模型以及一個外部力場參數(shù)估計方法:
　　提出基于分量歸一化的GGVF(Component-Normalized GGVF，簡稱CN-GGVF)外部力來改善主動輪廓的LTI收斂性能。首先發(fā)現(xiàn)并顯示GGVF主動輪廓僅有有限的LTI收斂性能。隨后全面研究LTI內(nèi)GGVF外部力的特性，由此識別并確認GGVF主動輪廓在捕獲LTI的過程中遭遇的噪聲和湮沒問題

3、，進而給出抑制噪聲問題的方法，并提出解決湮沒問題的CN-GGVF外部力。CN-GGVF外部力通過單獨歸一化每個初始GGVF矢量的各分量得到。實驗證實與GGVF主動輪廓相比，CN-GGVF主動輪廓可以以更快的速度收斂于不管是奇數(shù)還是偶數(shù)個像素寬的LTI，在矢量歸一化過程中消耗較少的計算量，而且在真實攝影圖像上取得更好的分割性能，同時保留GGVF主動輪廓的多個優(yōu)良特性。
　　提出自適應(yīng)的各向異性的GGVF(Adaptive Aniso

4、tropic GGVF，簡稱AAG-GVF)外部力來解決現(xiàn)有主動輪廓在LTI收斂，噪聲魯棒性以及邊界保護等典型問題上的不足。AAGGVF外部力可根據(jù)圖像局部特征自適應(yīng)調(diào)節(jié)外部力迭代方程中發(fā)散項與數(shù)據(jù)項的權(quán)重系數(shù)，并同時自適應(yīng)調(diào)節(jié)沿等照度線切線和法線方向發(fā)散的權(quán)重系數(shù)。實驗證實與現(xiàn)有先進主動輪廓相比，AAGGVF主動輪廓同時具有大的捕獲范圍，良好的噪聲魯棒性，最高的發(fā)散效率，以及噪聲環(huán)境下最強的邊界保護性能和卓越的LTI捕獲性能。

5、　　深入研究感興趣目標捕獲范圍與GGVF場參數(shù)的關(guān)系并由此提出外部力場的參數(shù)估計方法。提出并證實單個矢量捕獲范圍的形狀和大小分別由2-D Laplacian算子的離散估計和GGVF場迭代次數(shù)決定。據(jù)此分析并確認無噪聲環(huán)境下目標邊界捕獲范圍的大小由迭代次數(shù)唯一確定，并給出力場的參數(shù)估計方法。在噪聲環(huán)境下，按矢量的強度和數(shù)量將感興趣目標與噪聲劃分為四種情況分別討論感興趣目標捕獲范圍與外部力場參數(shù)的關(guān)系，進而分兩種情況分別給出力場的參數(shù)估計方