基于活動(dòng)輪廓模型的圖像分割算法研究與應(yīng)用.pdf

1、圖像分割是模式識(shí)別和圖像分析等領(lǐng)域的關(guān)鍵步驟，廣泛應(yīng)用于邊緣檢測(cè)、運(yùn)動(dòng)跟蹤以及醫(yī)學(xué)輔助診斷等領(lǐng)域。近年來，基于活動(dòng)輪廓模型的圖像分割算法以其靈活的形狀分割和可以獲得目標(biāo)封閉輪廓而備受關(guān)注。本文對(duì)基于活動(dòng)輪廓模型的圖像分割算法進(jìn)行了系統(tǒng)深入的研究，主要工作包括:
　　1)首先，對(duì)圖像分割算法的研究背景和發(fā)展過程進(jìn)行綜述，并重點(diǎn)介紹活動(dòng)輪廓模型分割算法的數(shù)學(xué)原理和實(shí)現(xiàn)方法。
　　2)針對(duì)參數(shù)活動(dòng)輪廓模型和幾何活動(dòng)輪廓模型的構(gòu)造思

2、想，以及基于邊界信息或區(qū)域信息驅(qū)動(dòng)活動(dòng)輪廓曲線演化過程的不同，通過實(shí)驗(yàn)驗(yàn)證參數(shù)活動(dòng)輪廓模型中Snake算法（包括經(jīng)典Snake、Balloon-Snake、GVF-Snake等），和幾何活動(dòng)輪廓模型算法中的CV模型算法的優(yōu)缺點(diǎn)。
　　3)針對(duì)Balloon-Snake模型對(duì)權(quán)重系數(shù)設(shè)置敏感、不能靈活選擇收縮或者膨脹的不足，提出一種動(dòng)態(tài)力與靜態(tài)力相結(jié)合的方法。即根據(jù)靜態(tài)力場(chǎng)的方向確定Balloon力的方向，使其能夠自適應(yīng)選擇Ball

3、oon力的方向，減小其對(duì)參數(shù)的敏感。實(shí)驗(yàn)結(jié)果表明，該方法有效地解決了Balloon-Snake模型對(duì)權(quán)重系數(shù)過于敏感，各個(gè)控制點(diǎn)無法靈活選擇各自Balloon力方向的問題。
　　4)對(duì)于超聲圖像分割，單純依賴邊界或區(qū)域信息的活動(dòng)輪廓模型難以取得魯棒的分割效果。本文提出先用基于區(qū)域信息的CV模型進(jìn)行整體區(qū)域分類，然后在每個(gè)目標(biāo)區(qū)域內(nèi)用GVF-Snake模型進(jìn)行二次分割。該方法能有效的解決超聲圖像模糊和斷邊的難點(diǎn)，分割出的目標(biāo)區(qū)域輪廓