偏微分方程圖像分割研究.pdf

1、圖像分割技術(shù)用于提取圖像中感興趣的目標，它是圖像處理中十分重要的研究內(nèi)容之一。圖像分割是將整個圖像區(qū)域分割成若干個互不交疊的非空子區(qū)域的過程，每個子區(qū)域的內(nèi)部是連通的，同一區(qū)域內(nèi)部具有相同或相似的特征。
　　 圖像分割方法很多，基于偏微分方程的圖像分割方法是目前應(yīng)用比較廣泛的圖像分割方法之一。與通常的圖像處理方法相比，雖然偏微分方程方法的計算量偏大，計算耗時長，但是其靈活多樣的數(shù)值計算方法使演化偏微分方程在離散化時具有較好的穩(wěn)定

2、性，而且能夠滿足高質(zhì)量的圖像恢復(fù)和精確的圖像分割等方面的需要。在偏微分圖像分割方法中，基于變分法和水平集方法的活動輪廓模型集中體現(xiàn)了偏微分圖像分割方法的優(yōu)越性，因而該方法在圖像處理領(lǐng)域中越來越受重視，已逐漸成為研究的熱點，并被廣泛的應(yīng)用于圖像處理的其它領(lǐng)域。
　　 在本學(xué)位論文中，我們首先介紹相關(guān)的數(shù)學(xué)知識及圖像分割背景，然后重點介紹了基于區(qū)域活動輪廓模型—C-V模型，并針對C-V模型的缺點提出了兩個改進方案：
　　 （

3、1）快速C-V模型。C-V模型是一個著名的基于區(qū)域的活動輪廓模型，根據(jù)其演化速度主要與活動輪廓線內(nèi)外灰度差有關(guān)的特性，我們提出一種快速C-V分割模型。實驗結(jié)果顯示，該模型不僅大大提高了演化速度，并且降低了對初始輪廓線的依賴性。
　　 （2）融合局部熵信息的C-V模型。圖像的灰度變化對圖像分割也很重要，因此，我們在C-V模型中加入了表征灰度變化的圖像局部熵信息，提出了一個新模型。實驗結(jié)果顯示，該模型對背景復(fù)雜，非同質(zhì)圖像以及噪聲圖