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?；谶吘壍钠⒎址匠谭指罘椒ㄊ抢脠D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