基于變分水平集的圖像分割算法研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、圖像分割在模式識別和計算機視覺中起著越來越重要的作用,其中基于偏微分方程的分割方法以其獨特的優(yōu)勢獲得了廣泛關注。該類方法主要分為基于邊緣和基于區(qū)域兩類模型。基于邊緣的偏微分方程分割方法是利用圖像目標的邊緣信息,比如梯度、曲率等來進行分割,但是該類方法不能很好地解決曲線拓撲結構改變的問題?;趨^(qū)域的偏微分方程分割方法即活動輪廓模型,利用水平集的思想,采用更高維的空間進行曲線演化,可以很好地處理曲線的分裂或合并。隨著活動輪廓模型的不斷發(fā)展完

2、善,該類模型得到了充分的發(fā)展和完善。
   本文針對活動輪廓模型進行了適當改進,從而得到更好的圖像分割結果。首先介紹了圖像分割的基礎知識,包括分割的一些主流方法以及相應的數(shù)學基礎;然后重點介紹了基于水平集的圖像分割算法并對這些經(jīng)典的模型進行了實驗,簡要分析了各算法的優(yōu)缺點;最后在現(xiàn)有算法的基礎上從兩個方面對模型進行了改進。本文的工作及取得的成果如下:
   (1)提出了既有全局最優(yōu)解,并充分利用圖像局部信息的變分水平集的

3、圖像分割算法。多輪廓CV模型具有全局最優(yōu)的特性,而LBF模型在迭代的過程中通過高斯核函數(shù)巧妙的引入了圖像局部信息,因此本文結合這兩個模型的優(yōu)點,提出了多輪廓CV-LBF模型。此模型無需重新初始化,能夠充分利用局部信息,而且具有全局最優(yōu)的特性。最后把它推廣到了多相位的情況。通過實驗驗證了所提出算法的有效性。
   (2)在多輪廓單水平集模型的基礎上改進了其外部能量項,使模型包含曲線的邊緣檢測因子。本模型不僅可以分割灰度不同的多目標

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論