基于活動輪廓的圖像分割模型研究.pdf

1、分類號：密級：學校代碼：!Q!魚曼學號：201211000751連掌坪耗大學碩士學位論文基于活動輪廓的圖像分割模型研究作者姓名：學科、專業(yè)：研究方向：導師姓名：張沖2015年05月遼寧師范大學碩士學位論文摘要圖像分割作為一種重要的圖像處理技術(shù)，不僅受到人們的廣泛重視，同時在實際中得到大量的應用。近年來，基于偏微分方程的圖像分割方法作為一新興的研究領域，因其理論體系比較成熟和數(shù)值實現(xiàn)方法較為靈活而一直備受關(guān)注。該方法的基本思想是：利用圖像

2、的幾何特性建立對應的能量泛函，通過變分法和梯度下降流方法，將能量函數(shù)求極值問題轉(zhuǎn)變?yōu)橄鄳膭討B(tài)偏微分方程求解問題，最終使得活動輪廓在感興趣區(qū)域停止演化。本文首先介紹了圖像分割的研究現(xiàn)狀和研究目的：并簡要概述了基于偏微分方程進行圖像分割的數(shù)學理論：然后，詳細分析了傳統(tǒng)模型的優(yōu)缺點及其適用范圍；最后，針對傳統(tǒng)模型中存在的諸如計算復雜度高、對初始輪廓位置敏感、分割效果差等問題進行了研究，提出了兩個具有一定創(chuàng)新性的圖像分割活動輪廓模型，可有效的

3、實現(xiàn)對對比度低、背景復雜的異質(zhì)圖像的目標分割。研究成果如下：1提出了一種基于全局信息和局部信息自適應調(diào)整的活動輪廓模型。該模型的創(chuàng)新點在于：(1)定義了一個新穎的自適應平衡函數(shù)，其能夠根據(jù)圖像自身特性自動調(diào)整各部分的權(quán)重，進而驅(qū)動曲線演化。(2)在權(quán)重函數(shù)中，加入了高斯濾波過程去正則化水平集函數(shù)，同時增加了一項下降因子，加快了曲線的演化速度。(3)懲罰項的引入保證了模型的精確計算和平穩(wěn)演化。實驗結(jié)果表明：本文模型無論在分割精度還是處理速

4、度上都取得了較好的分割效果。2提出了一種基于邊緣和區(qū)域信息相結(jié)合的醫(yī)學圖像分割輪廓模型。由于醫(yī)學圖像對比度低，結(jié)構(gòu)復雜，帶有大量噪聲，使得傳統(tǒng)的活動輪廓模型對于這類圖像的分割不甚理性?？紤]到邊緣引導函數(shù)通常能夠準確地對圖像邊緣進行引導，全局信息對弱邊界和噪聲圖像具有魯棒性，而局部信息可用于對異質(zhì)圖像的處理。因此，我們試圖將三類信息進行融合。本文模型的創(chuàng)新點在于：(1)將LBF模型中的局部擬合項融入到SBGFRLS模型的SPF函數(shù)中，解決