基于改進(jìn)GAC模型的圖像分割算法.pdf

1、圖像分割是圖像處理的一個(gè)重要組成部分，其目的是希望將圖像中人們想要的目標(biāo)與圖像中的背景分離，以方便后續(xù)的圖像處理工作。傳統(tǒng)的圖像分割由于存在各種缺陷,難以對(duì)復(fù)雜圖像的進(jìn)行分割。以偏微分方程為原理的活動(dòng)輪廓模型開(kāi)創(chuàng)了圖像分割的新領(lǐng)域，其基本原理是利用力學(xué)的知識(shí)來(lái)研究曲線的運(yùn)動(dòng)過(guò)程，通過(guò)計(jì)算偏微分方程來(lái)提取人們感興趣的目標(biāo)。目前活動(dòng)輪廓模型一般可分為基于邊緣算法、基于區(qū)域的分割算法，另外還有將兩者融合的算法。本文研究基于測(cè)地線活動(dòng)輪廓模型。

2、
　　本論文的主要?jiǎng)?chuàng)新點(diǎn)有：
　　第一，當(dāng)圖像中出現(xiàn)弱邊緣、強(qiáng)噪聲、拓?fù)浣Y(jié)構(gòu)變化的凹陷目標(biāo)時(shí)，經(jīng)典GAC活動(dòng)輪廓模型不能準(zhǔn)確的將目標(biāo)提取出來(lái)，例如醫(yī)學(xué)上的CT(Computed Tomography)圖像、紅外圖像。針對(duì)此類(lèi)問(wèn)題，利用圖像灰色關(guān)聯(lián)度、類(lèi)間方差和經(jīng)典GAC(Geodesic Active Contour)模型構(gòu)造新能量函數(shù)，提出基于類(lèi)間方差的改進(jìn) GAC模型，從而增強(qiáng)經(jīng)典 GAC模型的邊界檢測(cè)能力，減少分割時(shí)間

3、。實(shí)驗(yàn)表明此算法對(duì)拓?fù)浣Y(jié)構(gòu)變化的凹陷圖像、深度凹陷弱邊緣輪廓及含噪聲的圖像分割取得了很好的效果而且時(shí)間效率有所提高。仿真實(shí)驗(yàn)表明，分割效果比經(jīng)典測(cè)地模型、梯度矢量流模型和 GACV(Geodesic-Aided C-V)模型更準(zhǔn)確，而且時(shí)間明顯減少。
　　第二，當(dāng)圖像中出現(xiàn)深度凹陷、灰度不均勻和弱邊界的目標(biāo)的時(shí)候，傳統(tǒng)的GAC活動(dòng)輪廓模型無(wú)法實(shí)現(xiàn)正確分割目標(biāo)邊界，提出基于新能量函數(shù)的改進(jìn)GAC模型。實(shí)驗(yàn)結(jié)果表明,該模型能夠準(zhǔn)確的提