基于水平集的圖像分割及基于Bregman迭代的圖像恢復(fù)模型研究.pdf

1、圖像分割和圖像恢復(fù)是圖像處理的兩個(gè)重要分支,隨著計(jì)算機(jī)技術(shù)的發(fā)展,它們的應(yīng)用也越來越廣泛,已經(jīng)成為信息技術(shù)的重要的學(xué)科分支之一。本文主要介紹了圖像分割和圖像恢復(fù)的一些基本理論及一些經(jīng)典模型,并提出了改進(jìn)的新模型。
　　 首先從理論上分析了一些流行的圖像分割模型,重點(diǎn)分析了無需重新初始化的水平集方法的主動(dòng)輪廓圖像分割模型,該模型對(duì)一些具有不光滑尖角的圖像進(jìn)行分割時(shí),捕捉這些尖角往往不精確甚至失敗;然后對(duì)利用邊緣檢測(cè)函數(shù)的曲率信息識(shí)

2、別出凸尖角并進(jìn)行分割的方法進(jìn)行研究,由于此方法沒有考慮凹尖角的情形,故對(duì)含凹尖角的圖像分割效果不理想。為解決該問題,提出利用圖像的曲率信息識(shí)別出凹尖角,然后將其與利用邊緣檢測(cè)函數(shù)曲率信息識(shí)別凸尖角的方法相結(jié)合,進(jìn)一步修正邊緣檢測(cè)函數(shù),達(dá)到了準(zhǔn)確地捕捉物體的凸尖角和凹尖角的目的,保證了分割的準(zhǔn)確性。數(shù)值實(shí)驗(yàn)表明該方法的分割效果較好。
　　 然后介紹了圖像恢復(fù)的一些經(jīng)典模型,重點(diǎn)分析了ROF模型,它是圖像恢復(fù)中的經(jīng)典模型,具有保留圖