基于Snake模型的圖像分割方法研究及應(yīng)用.pdf

1、圖像分割是圖像處理和計(jì)算機(jī)視覺領(lǐng)域中的基本技術(shù),是大多數(shù)圖像分析及視覺系統(tǒng)的重要組成部分。石油、天然氣等金屬管道設(shè)備隨著使用年限的增加,管道腐蝕現(xiàn)象日益嚴(yán)重,造成壁厚減薄,管道承壓能力下降,管道的這些缺陷如不及時(shí)發(fā)現(xiàn)并做相應(yīng)的處理可能引發(fā)事故,造成不必要的損失,嚴(yán)重時(shí)會(huì)導(dǎo)致管體局部腐蝕穿孔泄露或破裂事故的發(fā)生?？傊?在管道的制造及運(yùn)行等各個(gè)階段都可能產(chǎn)生缺陷,所以很有必要對(duì)管道設(shè)備進(jìn)行及早的內(nèi)壁檢測(cè),提取損傷區(qū)域的輪廓,以防造成不必要的

2、損失。
　　 主動(dòng)輪廓線模型(即Snake模型)是由Kass等人首次提出的算法,廣泛地應(yīng)用于計(jì)算機(jī)視覺及圖像處理中的各個(gè)領(lǐng)域,如邊緣檢測(cè)、圖像分割、運(yùn)動(dòng)跟蹤等,特別應(yīng)用于圖像中感興趣目標(biāo)輪廓的提取。主動(dòng)輪廓線模型引入高層知識(shí),在處理局部間斷的邊緣時(shí),具有優(yōu)于傳統(tǒng)輪廓提取方法的提取效果。本文首先分析了參數(shù)主動(dòng)輪廓模型的原理和方法,包括參數(shù)主動(dòng)輪廓模型能量最小化公式、物理含義、外力設(shè)計(jì)及數(shù)值實(shí)現(xiàn)。并通過實(shí)驗(yàn)結(jié)果比較了各種外力的性能、

3、優(yōu)缺點(diǎn)及初始輪廓的設(shè)置對(duì)收斂結(jié)果的影響。接著對(duì)GVF Snake模型進(jìn)行了分析,實(shí)驗(yàn)結(jié)果表明GVF Snake模型比其他的參數(shù)主動(dòng)輪廓模型如傳統(tǒng)的Snake模型和氣球力Snake模型具有更大的捕捉域,并能使輪廓線收斂到目標(biāo)對(duì)象的深凹口處,具有較快的收斂速度而且對(duì)目標(biāo)對(duì)象不連續(xù)的邊界不敏感,但是GVF Snake模型也存在一些缺點(diǎn),如對(duì)加權(quán)系數(shù)μ比較敏感,輪廓線在目標(biāo)深凹口處的收斂速度不快等,針對(duì)這些GVF Snake主動(dòng)輪廓模型的缺點(diǎn),