結合分數階微分和RSF模型的圖像分割方法研究.pdf

1、圖像分割是計算機視覺和圖像處理研究領域的重要問題之一，分割結果對后續(xù)的圖像分析以及理解起著關鍵性的作用。在自然場景中，由于成像設備和環(huán)境的原因，造成圖像存在噪聲、灰度不均勻、邊緣模糊、紋理結構不清晰。在分割此類圖像時，傳統(tǒng)的分割方法往往得不到理想的分割結果。近年來，基于活動輪廓模型的RSF(Region-Scalable Fitting)圖像分割算法得到了廣泛的應用。但由于RSF模型存在對初始曲線的位置選擇敏感、易造成圖像邊界模糊、且曲

2、線演化容易陷入局部最優(yōu)等問題，從而限制了RSF模型在實際中的應用。故進一步探索這些問題并提出解決方案，其實際意義重大。
　　本文以灰度不均勻、邊緣模糊、存在紋理結構的圖像為研究對象，針對RSF模型對這些圖像分割存在的不足展開研究，具體的工作內容及研究成果如下：
　　1、RSF模型在分割弱紋理、弱邊緣圖像時，對曲線初始位置選擇很敏感，優(yōu)化易陷入局部極小導致演化速度緩慢。本文將全局Grümwald-Letnikov(G-L)分數

3、階梯度融合到RSF模型中，增加了全局的分數階梯度擬合項，以增強灰度不均勻和弱紋理區(qū)域的梯度信息,從而提高對曲線初始位置選擇的魯棒性，并提高圖像分割的速度。另外，通過研究不同階次α對分割結果的影響，得出能實現(xiàn)正確分割的階次α是在0~1之間的區(qū)間段。理論分析和實驗結果均表明,提出的算法可以用于灰度不均勻和弱紋理區(qū)域的圖像分割，能解決RSF模型對曲線初始位置敏感問題，且能縮短分割時間，提高分割效率,并對噪聲圖像具有一定的魯棒性。
　　2

4、、RSF模型在演化過程中存在模糊邊界問題，并且融合G-L分數階之后人工選擇合適的分數階階次費時費力。本文首先通過利用雙邊濾波器替換局部擬合項的高斯核函數，增強保邊性能，避免高斯核函數在演化過程中造成邊界模糊，從而提高RSF模型的邊界定位能力。然后根據圖像的梯度模值和信息熵構建自適應分數階階次的數學模型，并計算出最佳分數階階次。理論分析和實驗結果均表明,提出的算法可以用于灰度不均勻和弱紋理區(qū)域的圖像分割，并能根據圖像的特征自適應計算最佳分