Mumford Shah算法研究及其在拓?fù)涞鞍踪|(zhì)組學(xué)中的應(yīng)用.pdf

1、圖像分割是圖像處理和計(jì)算機(jī)視覺領(lǐng)域中極為重要的內(nèi)容之一,是實(shí)現(xiàn)圖像分析和模式識(shí)別的首要問題,也是圖像處理的經(jīng)典難題之一。圖像分割的質(zhì)量、區(qū)域界限定位的精度直接影響后續(xù)的區(qū)域描述以及圖像的分析和理解。
　　 曲線演化(curve evolution)是解決靜止或運(yùn)動(dòng)圖像中分割和目標(biāo)檢測(cè)問題的一種有效方法。采用Mumford Shah模型(簡(jiǎn)稱MS模型)的圖像分割和輪廓提取技術(shù)是目前流行的曲線演化中的主動(dòng)輪廓方法之一。Mumford

2、 Shah模型依賴的是同質(zhì)區(qū)域的全局信息,對(duì)強(qiáng)噪音、邊緣模糊或邊緣不連續(xù)圖像都可獲得較好的分割結(jié)果,突破了經(jīng)典模型基于局部信息的局限性限制。
　　 本文首先介紹了Mumford Shah算法的研究現(xiàn)狀,針對(duì)Mumford Shah算法的優(yōu)點(diǎn)以及Mumford Shah算法的缺點(diǎn)中的分割速度慢,參數(shù)選擇困難等提出了一種改進(jìn)的快速自適應(yīng)Mumford Shah算法。算法建立在順接模型上,首先采用Otsu算法對(duì)圖像進(jìn)行預(yù)分割,將初始水

3、平集定位到離最佳分割邊界不遠(yuǎn)處,減少了在后續(xù)計(jì)算中的迭代次數(shù),整體上提高分割的速度。第二,采用長(zhǎng)度參數(shù)自適應(yīng)方式計(jì)算參數(shù),減少參數(shù)對(duì)人工經(jīng)驗(yàn)的依賴,免去了人工調(diào)整參數(shù)所耗費(fèi)的時(shí)間,總體上減少了圖像分割的時(shí)間。第三,距離函數(shù)的計(jì)算采用源點(diǎn)掃描法快速計(jì)算初距離函數(shù),采用源點(diǎn)掃描法只要四次掃描即可計(jì)算出距離函數(shù),提高了分割速度；第四,在能量函數(shù)中新增了參數(shù)p的調(diào)節(jié)功能,對(duì)多灰度層次的圖像起到調(diào)節(jié)功能,讓分割結(jié)果在多個(gè)選擇中選擇更加合適的分割圖