圖像分割算法的研究與改進(jìn).pdf

1、本文首先闡述了主動輪廓模型的基本原理，研究了傳統(tǒng)參數(shù)化主動輪廓模型能量函數(shù)最小化的改進(jìn)算法。因為主動輪廓模型對凹形物體輪廓提取的效果不好，引入了面積能量，并進(jìn)行了仿真，結(jié)果有所改善。 接下來，針對傳統(tǒng)參數(shù)化主動輪廓模型的對輪廓線的初始位置仍然敏感的問題沒有解決的問題，研究了梯度流量算法(GVF)。雖然這種方法對凹陷物體輪廓的提取也比主動輪廓模型效果要好，但是在對深度凹陷的物體輪廓的提取時效果卻不是很好，為此我們將力場擴(kuò)散方程中梯

2、度矢量流的各分量分別歸一化，使曲線上各點受物體邊界力場的影響跟它與邊界的距離無關(guān)，從而克服了GVF模型難以解決的深凹腔問題，同時提出在GVF模型中引入和設(shè)置方向矢量的算法，在矢量指定范圍內(nèi)能屏蔽掉不需要的物體力場的影響，從而更加準(zhǔn)確地分割出感興趣的物體。 由于snake以及其它基于能量最小化的傳統(tǒng)參數(shù)型主動輪廓模型和算法都存在幾個缺點： 1)難于分割拓?fù)浣Y(jié)構(gòu)比較復(fù)雜，有分支和突觸的物體； 2)三維實現(xiàn)比較困難；

3、 3)分割結(jié)果對輪廓初始位置比較敏感； 4)難以確定合適的迭代終止準(zhǔn)則。為此研究了幾何模型算法，并在此基礎(chǔ)上研究了Mumford-Shah模型，對它進(jìn)行了改進(jìn)，對彩色圖像和醫(yī)學(xué)圖像的輪廓進(jìn)行了提取，仿真結(jié)果表明，改進(jìn)后的Mumford-Shah模型克服了上述幾個問題。實驗表明，對snake模型、GVF模型和Mumford-Shah模型的改進(jìn)都取得了明顯的效果，但它們各自都有其優(yōu)缺點，應(yīng)該在不同的場合下，充分利用它們的優(yōu)點，