復(fù)雜背景下的圖像分割算法研究及應(yīng)用.pdf

1、圖像分割作為計(jì)算機(jī)視覺領(lǐng)域和圖像處理中的重要一個(gè)重要環(huán)節(jié)，為后續(xù)圖像應(yīng)用提供了基礎(chǔ)和保證。針對(duì)復(fù)雜背景的圖像，此類圖像拍攝位置隨機(jī)光照不均，背景和目標(biāo)灰度差異不明顯，且攜帶噪聲，分割難度大。亟需針對(duì)性的改進(jìn)現(xiàn)有的圖像分割算法，得到理想分割效果，能為后續(xù)的目標(biāo)監(jiān)測(cè)或者跟蹤提供保證。無人機(jī)等嵌入式設(shè)備的圖像處理的算法編寫相對(duì)底層，建立一個(gè)便于移植的圖像分割算法模型庫(kù)對(duì)其提供支持具有重要的實(shí)際意義。
　　基于活動(dòng)輪廓模型的圖像分割方法是

2、近年圖像分割領(lǐng)域中的熱點(diǎn)話題，與傳統(tǒng)的輪廓提取算法相比，體現(xiàn)出了更好的分割特性。本文研究基于活動(dòng)輪廓模型的分割方法的算法實(shí)現(xiàn)，并結(jié)合分水嶺算法提出改進(jìn)的 Snake模型方法，給復(fù)雜背景下的圖像分割提供一個(gè)更優(yōu)解決方案。
　　本文主要研究?jī)?nèi)容包括如下方面：
　?。?）對(duì)經(jīng)典圖像分割算法進(jìn)行了仿真實(shí)驗(yàn)，其中，著重調(diào)研了基于閾值的分割方法和基于區(qū)域的分割方法，并用 C/C++語(yǔ)言對(duì)其進(jìn)行底層算法實(shí)現(xiàn)，驗(yàn)證了算法的正確性。
　

3、?。?）對(duì)基于活動(dòng)輪廓的圖像分割方法，包括幾何活動(dòng)輪廓模型和參數(shù)活動(dòng)輪廓模型等進(jìn)行了深入研究。重點(diǎn)研究了C-V模型和經(jīng)典Snake模型的分割方法，分析了算法求解和模型的優(yōu)缺點(diǎn)。在此基礎(chǔ)上對(duì)改進(jìn)的GVF-Snake模型進(jìn)行了研究，并進(jìn)行了算法設(shè)計(jì)和實(shí)現(xiàn)，進(jìn)行了仿真實(shí)驗(yàn)。
　?。?）針對(duì)復(fù)雜背景下的圖像分割，提出了一種結(jié)合分水嶺算法和Snake模型。的新的組合算法框架，該算法組合針對(duì)GVF-Snake模型對(duì)初始輪廓的依賴性，使用標(biāo)識(shí)分