基于活動輪廓模型的非同質(zhì)圖像分割算法研究.pdf

1、圖像分割是指將圖像按照不同特征劃分成若干個具有相似性或一致性的區(qū)域，并提取出感興趣目標(biāo)的過程。它是圖形識別和計算機視覺領(lǐng)域至關(guān)重要的預(yù)處理，對圖像的特征提取和研究起到了關(guān)鍵性的作用。隨著新的理論和方法的發(fā)展以及研究人員對原有模型的不斷改進(jìn)，近年來涌現(xiàn)出不少分割算法。但是由于圖像種類繁多，應(yīng)用具有復(fù)雜性，目前還沒有一種能夠普遍適用于所有圖像的分割方法?；谄⒎址匠痰幕顒虞喞Ｐ褪且活愋屡d的圖像處理模型，它是依托曲線演化理論發(fā)展起來的，與

2、傳統(tǒng)的圖像分割算法相比具有更強的自適應(yīng)性、更高的分割精度等優(yōu)點。
　　本文圍繞基于活動輪廓模型的圖像分割方法展開研究。首先對圖像分割算法進(jìn)行了歸納和綜述，根據(jù)活動輪廓模型的分類，詳細(xì)介紹了幾種經(jīng)典的活動輪廓模型;然后對活動輪廓模型中的數(shù)學(xué)基礎(chǔ)知識進(jìn)行了描述;最后對基于活動輪廓模型的非同質(zhì)圖像分割算法進(jìn)行了重點研究，主要內(nèi)容如下:
　　1.提出一種新的結(jié)合全局和局部信息活動輪廓的非同質(zhì)圖像分割模型。提出的模型充分利用圖像的區(qū)域

3、信息，消除非同質(zhì)污染的影響，并利用交互熵準(zhǔn)則得到局部自適應(yīng)權(quán)重，有效地提高了非同質(zhì)圖像分割精度。
　　2.對基于信息幾何的快速分割算法進(jìn)行改進(jìn)。原有的快速算法利用黎曼最速下降法改變曲線演化的方向，極大地提高了算法收斂速度。但是原有算法沒有考慮圖像的局部特征，無法分割灰度非同質(zhì)圖像。因此對原有算法進(jìn)行改進(jìn)，充分利用圖像區(qū)域信息，提高算法分割的準(zhǔn)確性。
　　實驗中，采用Jaccard相似系數(shù)-JS(Jaccard similar

4、ity)和Dice相似系數(shù)-DSC(Dicesimilarity coefficient)兩個指標(biāo)對不同模型的分割結(jié)果進(jìn)行定量分析，結(jié)果表明:
　　1.與經(jīng)典的活動輪廓模型相比，提出的模型JS和DSC的值最接近1，迭代次數(shù)不多于50次。此外，當(dāng)設(shè)置不同初始輪廓線對圖像進(jìn)行分割時，傳統(tǒng)的活動輪廓模型產(chǎn)生了不同的分割結(jié)果，而提出的模型結(jié)果是相似的。說明提出的模型對灰度非同質(zhì)圖像進(jìn)行分割具有較高的計算效率和準(zhǔn)確率，且降低了對初始輪廓位置