基于變分水平集的圖像分割算法研究.pdf

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