基于偏微分方程的圖像分割與配準研究.pdf

1、圖像分割與圖像配準是圖像工程中兩個關(guān)鍵的基礎性任務，是機器視覺、模式識別等領(lǐng)域的重要組成部分。圖像的分割和配準問題自圖像產(chǎn)生便已存在，諸多研究者提出了大量處理方法，但圖像間的差異性和用戶需求的特殊性，使得圖像分割和圖像配準一直是圖像工程中的研究熱點。偏微分方程理論因其具有完備的數(shù)學理論基礎和良好的可擴展性等優(yōu)點成為當前最為流行的圖像處理基本理論之一，已深入到圖像處理的各個方面且取得了良好的效果，基于活動輪廓模型的圖像分割方法與基于光流場

2、等物理模型的圖像配準方法是偏微分方程理論在圖像處理中的典型應用。本文基于偏微分方程理論，從亮度不一致圖像分割、非剛性圖像配準、配準-分割耦合模型三個方面進行了理論和方法的研究。本文的主要工作和研究成果如下：
　　 (1)LBF模型是一種有效的亮度不一致圖像分割模型，但該模型存在易于陷入局部極值的問題，本文針對該問題提出給模型的擬合函數(shù)加入對比度約束的改進方法。LBF模型利用圖像的局部信息定義擬合函數(shù)，擬合函數(shù)的局部化屬性能夠克服

3、亮度不一致問題的同時，回導致模型易于陷入局部極值。本文基于目標邊界兩側(cè)的圖像亮度存在對比度的假設，提出對擬合函數(shù)加入對比度約束以避免能量陷入局部極值的改進方法，模型中還加入了氣球作用力以擴大外力的作用范圍。本文提出的對比度約束LBF模型能夠有效克服原始LBF模型易于陷入局部極值的問題，且具有更強的初始化魯棒性。
　　 (2)針對全局化實現(xiàn)方法會嚴重影響LBF模型的實現(xiàn)效率和分割性能的問題，本文提出基于窄帶活躍點更新的LBF模型。

4、LBF模型在實現(xiàn)過程中需要進行大量的卷積運算，因而全局化的實現(xiàn)方法十分耗時；另外，LBF模型全局化的實現(xiàn)方法與模型局部化的定義形式不一致，導致能量易于陷入局部極值、對初始化敏感等問題。為此，本文提出采用窄帶方法實現(xiàn)LBF模型，并在窄帶基礎上，進一步將更新點的范圍縮小到窄帶上的活躍點。本文提出的基于窄帶活躍點更新的LBF模型能夠顯著提高模型的計算效率，徹底解決模型易于陷入局部極值的問題，且能實現(xiàn)感興趣區(qū)域的分割;另外，該模型可以直接推廣到

5、向量LBF模型，實現(xiàn)亮度不一致向量圖像的有效分割。
　　 (3)針對基于光流場模型的圖像配準方法會造成圖像模糊的問題，本文提出具有圖像特征保持能力的改進光流場模型?；诠饬鲌瞿Ｐ偷膱D像配準方法能夠?qū)Υ嬖诜莿傂孕巫兊膱D像實現(xiàn)配準，但由于微分光流場模型采用簡單的光滑性約束來解決孔徑問題，而光滑性約束不具有保持圖像特征的能力，因而會造成圖像嚴重模糊和細節(jié)丟失的問題。本文將具有圖像結(jié)構(gòu)自適應性的擴散濾波方法引入圖像配準，定義具有特征保持

6、和一致性增強能力的各向異性擴散函數(shù)作為模型的正則項。基于改進光流場模型的圖像配準方法能夠有效保持圖像特征，實現(xiàn)對大腦等復雜圖像的有效配準。
　　 (4)針對彩色圖像配準中經(jīng)常存在的大色差和大位移問題，本文在抽象匹配流框架下定義了彩色圖像的配準模型。模型由互相關(guān)相似度函數(shù)和基于彩色結(jié)構(gòu)張量的各向異性擴散正則項組成。新模型能夠有效綜合圖像各通道的信息，且具有良好的圖像特征保持能力，因而能夠有效避免各通道的色彩混疊，實現(xiàn)對大色差和大位