結(jié)合模糊理論的灰度不均勻圖像水平集分割算法研究.pdf

1、圖像分割在圖像工程中占有重要地位，它決定著圖像分析、圖像理解的性能，在計算機(jī)視覺、模式識別、醫(yī)學(xué)圖像處理等領(lǐng)域具有廣泛的應(yīng)用。目前復(fù)雜場景下特別是灰度不均勻圖像的分割算法仍然面臨著諸多挑戰(zhàn)，初始條件常常很容易影響水平集算法的分割效果、圖像分割效果及速度仍然有待于提升。因此，本文主要研究結(jié)合模糊理論的灰度不均勻圖像水平集分割算法，旨在避免初始條件對分割效果的影響，提高算法的分割速度并獲得較好的分割效果，主要工作包括以下三個:
　　首

2、先，針對LBF模型及LIF模型灰度不均勻圖像水平集分割算法存在的問題，對LIF模型灰度不均勻圖像水平集分割算法進(jìn)行改進(jìn)。改進(jìn)的算法采用經(jīng)典的FCM聚類分割算法得到的分割結(jié)果對水平集函數(shù)進(jìn)行初始化，再利用LIF模型對初始化水平集函數(shù)進(jìn)行迭代演化最終達(dá)到分割目的?；叶炔痪鶆驁D像上的大量實(shí)驗證明:改進(jìn)的算法較之于LBF模型、LIF模型灰度不均勻圖像水平集分割算法，算法避免了手動初始化水平集函數(shù)對分割效果的影響，在分割效果及分割速度方面存在明顯

3、優(yōu)勢。
　　其次，針對模糊水平集圖像分割算法數(shù)值精度不高的問題，本文利用DRLSE模型對模糊水平集圖像分割算法中的能量函數(shù)進(jìn)行修正，提出一種改進(jìn)的模糊灰度不均勻圖像水平集分割算法?；叶炔痪鶆驁D像上的大量實(shí)驗證明:改進(jìn)后的算法避免了手動初始化水平集函數(shù)對分割效果的影響，并在灰度不均勻圖像上的分割效果及分割速度方面有明顯提高。
　　最后，本文提出一種改進(jìn)的基于偏移場估計的灰度不均勻圖像水平集分割算法以解決原算法對初始化水平集函數(shù)