基于對(duì)偶方法的多相圖像分割.pdf

1、圖像分割作為計(jì)算機(jī)視覺的關(guān)鍵技術(shù)，在數(shù)字圖像處理過程中得到了廣泛的研究和應(yīng)用。在圖像分割模型中，基于水平集方法的活動(dòng)輪廓線模型是一種非常成功的變分模型，該模型在能量泛函的驅(qū)動(dòng)下，使輪廓線逐漸變形，直到輪廓線抵達(dá)分割區(qū)域的邊界，但其致命的缺點(diǎn)是難以處理變拓?fù)浣Y(jié)構(gòu)，只存在局部最優(yōu)解，解決此問題可以通過活動(dòng)輪廓線模型的全局最優(yōu)解來(lái)實(shí)現(xiàn)。傳統(tǒng)的水平集方法采用符號(hào)距離函數(shù)作為水平集函數(shù)，差分格式十分繁瑣，在進(jìn)行數(shù)值計(jì)算的時(shí)候?yàn)榱朔乐狗帜笧榱愕那闆r

2、，通常需要添加一個(gè)小量，這難免會(huì)對(duì)分割的結(jié)果產(chǎn)生影響，而且分割的速度比較慢，不能很好地解決復(fù)雜而且多目標(biāo)的分割問題，所以本文采用對(duì)偶方法來(lái)克服基于水平集方法的圖像分割中出現(xiàn)的問題，引入對(duì)偶方法到活動(dòng)輪廓線模型中，通過引入一個(gè)變量與已知變量組成對(duì)偶變量，系統(tǒng)地建立了該類模型計(jì)算的對(duì)偶方法，不僅提高了計(jì)算速度，而且克服了傳統(tǒng)總變差模型計(jì)算時(shí)引進(jìn)小的規(guī)則化參數(shù)帶來(lái)的精度下降問題。本文對(duì)基于對(duì)偶方法的多相圖像分割進(jìn)行了深入的研究，主要從以下幾個(gè)

3、方面進(jìn)行了研究：第一，系統(tǒng)地研究了曲線演化、對(duì)偶方法、活動(dòng)輪廓線模型的基本理論及其在圖像分割領(lǐng)域的應(yīng)用；第二，在ROF模型和M-S模型的基礎(chǔ)上實(shí)現(xiàn)了活動(dòng)輪廓線模型的全局最優(yōu)分割，包括二維圖像的分段常值和分段光滑的圖像分割；第三，編程實(shí)現(xiàn)了對(duì)偶方法的多相圖像分割，并將其應(yīng)用于人工圖像，遙感圖像以及真實(shí)的醫(yī)學(xué)圖像分割實(shí)驗(yàn)中，大量的實(shí)驗(yàn)結(jié)果表明，本文提出的圖像分割模型充分利用對(duì)偶方法以及區(qū)域劃分策略，都達(dá)到了圖像分割的預(yù)期效果；最后，針對(duì)實(shí)驗(yàn)