基于主動(dòng)輪廓模型的圖像分割方法研究.pdf

1、圖像分割是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)基礎(chǔ)而又重要的問題，它為圖像、解提供信息支持。本文研究基于主動(dòng)輪廓模型（ACM：Active Contour Model）的圖像分割方法，著重研究梯度矢量流（GVF：Gradient Vector Flow）外力場(chǎng)的改進(jìn)方法。論文的主要成果有：
　　 （1）提出了方向光滑調(diào)和梯度矢量流（OSAHGVF：Oriented Smoothness AidedHarmonic Gradient Vector

2、 Flow）模型。該模型通過把光流計(jì)算中的方向光滑約束引入到調(diào)和梯度矢量流模型能量泛函中，解決了調(diào)和梯度矢量流模型不能保護(hù)圖像弱邊緣的問題，提高了原模型進(jìn)入C形凹陷區(qū)域的性能，同時(shí)保留了原模型抗噪能力強(qiáng)、能夠進(jìn)入深度凹陷區(qū)域的優(yōu)點(diǎn)。
　　 （2）提出了圖像結(jié)構(gòu)自適應(yīng)梯度矢量流（ISAGVF：Image Structure Adaptive GradientVector Flow）模型。本文通過將梯度矢量流模型中的平滑約束改寫成矩

3、陣形式，解釋了平滑約束的各向同性本質(zhì)，并將圖像結(jié)構(gòu)張量引入到矩陣形式的平滑約束中，得到基于結(jié)構(gòu)張量的圖像結(jié)構(gòu)自適應(yīng)梯度矢量流模型。該模型保留了梯度矢量流模型的優(yōu)勢(shì)，比如擴(kuò)大的捕捉范圍，同時(shí)提高了梯度矢量流在抑制噪聲干擾、進(jìn)入深度凹陷區(qū)域方面的性能，解決了梯度矢量流容易產(chǎn)生弱邊泄漏的不足。
　　 （3）基于Hessian矩陣進(jìn)一步擴(kuò)展了ISAGVF模型，利用圖像Hessian矩陣重新構(gòu)造擴(kuò)散張量并用于ISAGVF模型中。初步實(shí)驗(yàn)結(jié)