基于降雪模型的圖像輪廓提取方法研究.pdf

1、作為一個非常重要的過程,輪廓提取直接影響到智能視覺系統(tǒng)中特別是模式識別的結(jié)果。作為經(jīng)典圖像分割方法,分水嶺算法被廣泛運用,卻存在嚴重過分割問題?；谶吘壍乃郊椒梢宰匀坏馗淖冚喞€的拓撲,在圖像輪廓提取中廣泛應(yīng)用,但是卻因大量的迭代計算導(dǎo)致了巨大的時間開銷。
　　本文針對上述的焦點問題進行了深入研究,主要內(nèi)容有以下幾點:
　　1)自適應(yīng)曲面進化降雪模型
　　本文借鑒基于模擬降雪的圖像分割新思想,探索具有圖像區(qū)域特

2、征引導(dǎo)下的圖像輪廓曲線進化和符合人們視覺特性的圖像輪廓提取方法。數(shù)據(jù)自適應(yīng)的高斯核可以根據(jù)圖像區(qū)域特征信息實現(xiàn)自適應(yīng)的圖像曲面進化,鑒于此,本文將數(shù)據(jù)自適應(yīng)的高斯核引入降雪模型中,嘗試模擬簡單降雪模型,即自適應(yīng)曲面進化降雪模型。與模擬降雪過程相似,基于降雪模型的地表曲面的進化隱含了地面輪廓曲線進化,并具有拓撲適應(yīng)能力。這些討論與研究為圖像輪廓提取提供了新的研究思路。
　　2)基于降雪模型自適應(yīng)曲面進化的分水嶺圖像輪廓提取方法

3、>　　結(jié)合降雪模型自適應(yīng)曲面進化的優(yōu)點,本文進一步研究了基于降雪模型自適應(yīng)曲面進化的分水嶺圖像輪廓提取方法。首先,在降雪模型自適應(yīng)曲面進化機制下實現(xiàn)圖像曲面進化,以平滑圖像中大尺度細節(jié)信息,同時達到抑制噪聲的效果。其次,原始圖像的輪廓信息通過融合梯度與檢測出來的邊緣信息得以增強。最后,谷底填充被引入以控制分水嶺分割區(qū)域,最終實現(xiàn)更符合人們視覺特性要求的輪廓提取。
　　3)降雪模型自適應(yīng)曲面進化機制下的水平集圖像輪廓提取方法

4、　　結(jié)合降雪模型的自適應(yīng)曲面進化,文中研究了降雪模型自適應(yīng)曲面進化機制下的水平集圖像輪廓提取方法?；诮笛┠Ｐ偷淖赃m應(yīng)曲面進化機制,新方法可以將圖像中隱含的重要特征信息得以展現(xiàn)。在傳統(tǒng)水平集方法中,高斯濾波器被用來計算邊緣指示算子,為了加以改進,在新方法中高斯濾波器被數(shù)據(jù)自適應(yīng)曲面進化核函數(shù)取而代之。原始圖像經(jīng)過自適應(yīng)的曲面進化處理后,可以得到其進化后的特征圖像,基于特征圖像水平集方法得以實現(xiàn),從而實現(xiàn)輪廓提取。
　　本文結(jié)合降雪