基于活動輪廓的圖像分割算法研究.pdf

1、數字圖像分割技術已經廣泛地應用到計算機視覺、目標跟蹤、醫(yī)學圖像處理等領域中，它的目的是把數字圖像分成若干個具有相似特征的區(qū)域。當前已經提出了很多種圖像分割方法，然而因為圖像的多樣性和復雜性，使得圖像分割依然是一項重要而富有挑戰(zhàn)性的研究課題。
　　在所有的圖像分割方法中，基于活動輪廓模型是受到極大關注的一類方法。它具有嚴謹的數學理論基礎，并充分利用了輪廓曲線動態(tài)演化的思想，能夠解決很多優(yōu)秀圖像分割方法難以解決的問題，充分地體現了該方

2、法的優(yōu)越性。
　　本論文深入研究了一些經典的活動輪廓模型，并針對存在的缺陷和不足提出了一些改進和創(chuàng)新，并最終能夠獲得理想的分割效果。具體的研究工作如下:
　　(1)針對CV模型不能很好的處理圖像中的灰度不均勻，以及LBF(LocalBinaryFitting)模型與LIF(LocalImageFitting)模型對噪聲敏感等問題，提出了一種新的結合了局部灰度和局部梯度的活動輪廓模型。該模型構造了以高斯函數為核函數的局部二值灰

3、度擬合能量和局部二值梯度擬合能量，線性組合這兩種能量得到了最終的能量函數，并通過最小化該能量函數驅使活動輪廓向目標邊界演化。實驗結果說明了該模型可以更準確的分割圖像，并有效地克服圖像中的灰度不均勻和強噪聲所帶來的影響。
　　(2)提出一種新的基于模糊的活動輪廓模型，該模型的能量函數是由兩部分組成，即局部擬合能量和全局擬合能量，利用圖像局部對比度將局部擬合能量和全局擬合能量自適應的結合起來。這種模型的好處在于局部擬合項能夠克服圖像中

4、的灰度不均勻帶來的影響，而全局擬合項可以避免因為初始輪廓曲線選取的不合適而導致的分割錯誤。實驗結果表明了該模型能夠有效克服圖像中的灰度不均勻問題，而且對初始輪廓曲線有較強的魯棒性。
　　(3)針對LIF(LocalImageFitting)模型對初始輪廓曲線敏感問題，提出了基于模糊聚類的LIF模型自動分割算法。實驗結果表明該算法能夠根據模糊聚類的結果得到合適的初始輪廓，因而不僅可以有效的解決LIF模型對初始化輪廓曲線敏感問題，而且