基于活動(dòng)輪廓的圖像分割算法研究.pdf

1、數(shù)字圖像分割技術(shù)已經(jīng)廣泛地應(yīng)用到計(jì)算機(jī)視覺、目標(biāo)跟蹤、醫(yī)學(xué)圖像處理等領(lǐng)域中，它的目的是把數(shù)字圖像分成若干個(gè)具有相似特征的區(qū)域。當(dāng)前已經(jīng)提出了很多種圖像分割方法，然而因?yàn)閳D像的多樣性和復(fù)雜性，使得圖像分割依然是一項(xiàng)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(dòng)輪廓模型是受到極大關(guān)注的一類方法。它具有嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)理論基礎(chǔ)，并充分利用了輪廓曲線動(dòng)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(xiàn)了該方

2、法的優(yōu)越性。
　　本論文深入研究了一些經(jīng)典的活動(dòng)輪廓模型，并針對(duì)存在的缺陷和不足提出了一些改進(jìn)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(duì)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(duì)噪聲敏感等問題，提出了一種新的結(jié)合了局部灰度和局部梯度的活動(dòng)輪廓模型。該模型構(gòu)造了以高斯函數(shù)為核函數(shù)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(shù)，并通過最小化該能量函數(shù)驅(qū)使活動(dòng)輪廓向目標(biāo)邊界演化。實(shí)驗(yàn)結(jié)果說明了該模型可以更準(zhǔn)確的分割圖像，并有效地克服圖像中的灰度不均勻和強(qiáng)噪聲所帶來的影響。
　　(2)提出一種新的基于模糊的活動(dòng)輪廓模型，該模型的能量函數(shù)是由兩部分組成，即局部擬合能量和全局?jǐn)M合能量，利用圖像局部對(duì)比度將局部擬合能量和全局?jǐn)M合能量自適應(yīng)的結(jié)合起來。這種模型的好處在于局部擬合項(xiàng)能夠克服圖像中

4、的灰度不均勻帶來的影響，而全局?jǐn)M合項(xiàng)可以避免因?yàn)槌跏驾喞€選取的不合適而導(dǎo)致的分割錯(cuò)誤。實(shí)驗(yàn)結(jié)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(duì)初始輪廓曲線有較強(qiáng)的魯棒性。
　　(3)針對(duì)LIF(LocalImageFitting)模型對(duì)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(dòng)分割算法。實(shí)驗(yàn)結(jié)果表明該算法能夠根據(jù)模糊聚類的結(jié)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(duì)初始化輪廓曲線敏感問題，而且