用于圖像分割的主動(dòng)輪廓模型研究.pdf

1、主動(dòng)輪廓廣泛應(yīng)用于圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域。梯度矢量流(GradientVector Flow，簡(jiǎn)稱(chēng)GVF)主動(dòng)輪廓因改善了傳統(tǒng)主動(dòng)輪廓初始化的敏感性以及較差的凹陷收斂性能而備受關(guān)注。其廣義(Generalized GVF，簡(jiǎn)稱(chēng)GGVF)主動(dòng)輪廓旨在提高GVF主動(dòng)輪廓檢測(cè)長(zhǎng)窄凹陷(Long and Thin Indentation，簡(jiǎn)稱(chēng)LTI)的性能。然而，GVF和GGVF主動(dòng)輪廓在LTI收斂，邊界保護(hù)，計(jì)算成本，以及噪聲、參數(shù)和初始化

2、魯棒性等典型問(wèn)題上的不足，阻礙其進(jìn)一步的應(yīng)用。為解決這些問(wèn)題，本論文提出以下兩個(gè)外部力模型以及一個(gè)外部力場(chǎng)參數(shù)估計(jì)方法:
　　提出基于分量歸一化的GGVF(Component-Normalized GGVF，簡(jiǎn)稱(chēng)CN-GGVF)外部力來(lái)改善主動(dòng)輪廓的LTI收斂性能。首先發(fā)現(xiàn)并顯示GGVF主動(dòng)輪廓僅有有限的LTI收斂性能。隨后全面研究LTI內(nèi)GGVF外部力的特性，由此識(shí)別并確認(rèn)GGVF主動(dòng)輪廓在捕獲LTI的過(guò)程中遭遇的噪聲和湮沒(méi)問(wèn)題

3、，進(jìn)而給出抑制噪聲問(wèn)題的方法，并提出解決湮沒(méi)問(wèn)題的CN-GGVF外部力。CN-GGVF外部力通過(guò)單獨(dú)歸一化每個(gè)初始GGVF矢量的各分量得到。實(shí)驗(yàn)證實(shí)與GGVF主動(dòng)輪廓相比，CN-GGVF主動(dòng)輪廓可以以更快的速度收斂于不管是奇數(shù)還是偶數(shù)個(gè)像素寬的LTI，在矢量歸一化過(guò)程中消耗較少的計(jì)算量，而且在真實(shí)攝影圖像上取得更好的分割性能，同時(shí)保留GGVF主動(dòng)輪廓的多個(gè)優(yōu)良特性。
　　提出自適應(yīng)的各向異性的GGVF(Adaptive Aniso

4、tropic GGVF，簡(jiǎn)稱(chēng)AAG-GVF)外部力來(lái)解決現(xiàn)有主動(dòng)輪廓在LTI收斂，噪聲魯棒性以及邊界保護(hù)等典型問(wèn)題上的不足。AAGGVF外部力可根據(jù)圖像局部特征自適應(yīng)調(diào)節(jié)外部力迭代方程中發(fā)散項(xiàng)與數(shù)據(jù)項(xiàng)的權(quán)重系數(shù)，并同時(shí)自適應(yīng)調(diào)節(jié)沿等照度線(xiàn)切線(xiàn)和法線(xiàn)方向發(fā)散的權(quán)重系數(shù)。實(shí)驗(yàn)證實(shí)與現(xiàn)有先進(jìn)主動(dòng)輪廓相比，AAGGVF主動(dòng)輪廓同時(shí)具有大的捕獲范圍，良好的噪聲魯棒性，最高的發(fā)散效率，以及噪聲環(huán)境下最強(qiáng)的邊界保護(hù)性能和卓越的LTI捕獲性能。

5、　　深入研究感興趣目標(biāo)捕獲范圍與GGVF場(chǎng)參數(shù)的關(guān)系并由此提出外部力場(chǎng)的參數(shù)估計(jì)方法。提出并證實(shí)單個(gè)矢量捕獲范圍的形狀和大小分別由2-D Laplacian算子的離散估計(jì)和GGVF場(chǎng)迭代次數(shù)決定。據(jù)此分析并確認(rèn)無(wú)噪聲環(huán)境下目標(biāo)邊界捕獲范圍的大小由迭代次數(shù)唯一確定，并給出力場(chǎng)的參數(shù)估計(jì)方法。在噪聲環(huán)境下，按矢量的強(qiáng)度和數(shù)量將感興趣目標(biāo)與噪聲劃分為四種情況分別討論感興趣目標(biāo)捕獲范圍與外部力場(chǎng)參數(shù)的關(guān)系，進(jìn)而分兩種情況分別給出力場(chǎng)的參數(shù)估計(jì)方