基于區(qū)域擬合的背景去除圖像分割研究.pdf

1、圖像處理在現(xiàn)實(shí)生活中有著極其重要的作用，而圖像分割作為圖像處理領(lǐng)域的重要研究內(nèi)容之一，廣泛應(yīng)用于遙感和生物醫(yī)學(xué)圖像分析、工業(yè)自動(dòng)化、安保監(jiān)視，以及軍事等方面。圖像分割中基于 PDE和變分法的圖像分割方法對于圖像分割的發(fā)展起到了巨大的推動(dòng)作用，但是在該類圖像分割方法中，由于大部分圖像分割模型的能量泛函均為非凸性，計(jì)算求解時(shí)較容易陷入局部極小解，因而圖像分割結(jié)果往往不盡如人意，且運(yùn)算時(shí)間較長。針對這些缺陷，本文根據(jù)背景去除模型的思想，并結(jié)合

2、區(qū)域擬合的方法，提出一種基于區(qū)域擬合的背景去除圖像分割模型。在對 MRI（ Magnetic Resonance Imaging）圖像以及合成圖像等進(jìn)行處理時(shí)，本文所給出的模型不僅能獲得良好的分割效果，并且效率較高，而且從實(shí)驗(yàn)結(jié)果來看，本文中所提出的模型具有一定的魯棒性。
　　本研究分為四個(gè)部分：第一部分：介紹了圖像分割的定義及常用的分割方法，著重介紹了基于PDE和變分法的幾類經(jīng)典圖像分割模型，并較深入地探討了這些模型的優(yōu)缺點(diǎn)。第

3、二部分：著重闡述了應(yīng)用于求解經(jīng)典圖像分割模型的一種高效算法：Split Bregman算法，并對該算法進(jìn)行了詳細(xì)的推導(dǎo)與分析。第三部分：針對經(jīng)典圖像分割模型存在的缺陷，本文根據(jù)背景去除模型的思想，并結(jié)合區(qū)域擬合的方法，提出一種基于區(qū)域擬合的背景去除圖像分割模型。首先對背景去除模型進(jìn)行改造；再結(jié)合區(qū)域擬合的方法對模型進(jìn)行改進(jìn)，并對改進(jìn)模型進(jìn)行凸優(yōu)化處理；最后結(jié)合水平集和Split Bregman法對改進(jìn)模型進(jìn)行快速求解，獲得全局最小值解。

4、第四部分：通過數(shù)個(gè)對比實(shí)驗(yàn)結(jié)果說明，相較于ICV（Improved Chan-Vese）模型、LK（Li-Kim）模型及 CV(Chan-vese)模型，本文模型能得到更優(yōu)的分割效果，且在分割效果相似的情況下，本文模型較 RSF（Region-Scalable Fitting）模型耗時(shí)更短，同時(shí)當(dāng)實(shí)驗(yàn)初始化位置不同時(shí)，實(shí)驗(yàn)亦能取得良好的分割效果。實(shí)驗(yàn)結(jié)果表明，在對于MRI（Magnetic Resonance Imaging）圖像以及合