基于主動輪廓模型的水下圖像分割方法研究.pdf

1、隨著人們對海洋探索步伐的加快,水下機器人在深海探測和海洋開發(fā)中扮演著越來越重要的角色,計算機視覺系統是水下機器人獲取周圍環(huán)境信息的重要手段之一。然而由于水下成像環(huán)境的特殊性,水下圖像成像質量較差,傳統的圖像處理方法已經無法滿足應用要求。在這一應用背景下,本文開展了水下圖像分割方法的研究。
　　主動輪廓模型法是研究人員近幾年來使用的較新的圖像分割和跟蹤方法,該方法從動力學角度研究曲線的演化過程,通過計算得到圖像感興趣區(qū)域的連續(xù)閉合邊

2、界。實踐已經證明,它較以往的圖像分割方法有較大改進,但是在水下圖像處理領域應用極少,并且由于該方法還比較新,本身還存在一些問題,這在一定程度上限制了它在水下圖像處理中的應用。針對以上情況,本文在對主動輪廓模型法深入研究的基礎上,嘗試將其應用于水下圖像處理,提出適用于水下圖像的分割處理方法。
　　本文在目前廣泛應用的一種主動輪廓分割模型——梯度矢量流模型(Gradient Vector Flow,GVF)的基礎上,對水下圖像提出了兩

3、階段分割方法。首先對圖像模糊增強后進行閾值判斷、邊界跟蹤,獲得一個粗分割圖像,然后將得到的粗略輪廓作為主動輪廓模型的初始解對圖像中目標輪廓進行定位。本文的主要工作有兩個方面:一、論文給出了改進的基于模糊熵的模糊增強方法,用于水下圖像的初始分割。二、將改進的模糊增強方法和主動輪廓模型相結合,對模糊增強后的圖像提出一種簡單有效的邊界跟蹤算法,實現主動輪廓模型初始輪廓的自動提取。針對計算機生成的圖像和實際水下圖像進行了仿真實驗,驗證了本文方法