基于活動輪廓模型的圖像分割算法研究與應用.pdf

1、圖像分割是模式識別和圖像分析等領域的關鍵步驟，廣泛應用于邊緣檢測、運動跟蹤以及醫(yī)學輔助診斷等領域。近年來，基于活動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封閉輪廓而備受關注。本文對基于活動輪廓模型的圖像分割算法進行了系統(tǒng)深入的研究，主要工作包括:
　　1)首先，對圖像分割算法的研究背景和發(fā)展過程進行綜述，并重點介紹活動輪廓模型分割算法的數(shù)學原理和實現(xiàn)方法。
　　2)針對參數(shù)活動輪廓模型和幾何活動輪廓模型的構造思

2、想，以及基于邊界信息或區(qū)域信息驅動活動輪廓曲線演化過程的不同，通過實驗驗證參數(shù)活動輪廓模型中Snake算法（包括經典Snake、Balloon-Snake、GVF-Snake等），和幾何活動輪廓模型算法中的CV模型算法的優(yōu)缺點。
　　3)針對Balloon-Snake模型對權重系數(shù)設置敏感、不能靈活選擇收縮或者膨脹的不足，提出一種動態(tài)力與靜態(tài)力相結合的方法。即根據(jù)靜態(tài)力場的方向確定Balloon力的方向，使其能夠自適應選擇Ball

3、oon力的方向，減小其對參數(shù)的敏感。實驗結果表明，該方法有效地解決了Balloon-Snake模型對權重系數(shù)過于敏感，各個控制點無法靈活選擇各自Balloon力方向的問題。
　　4)對于超聲圖像分割，單純依賴邊界或區(qū)域信息的活動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模型進行整體區(qū)域分類，然后在每個目標區(qū)域內用GVF-Snake模型進行二次分割。該方法能有效的解決超聲圖像模糊和斷邊的難點，分割出的目標區(qū)域輪廓