基于可變形模型的圖像分割相關技術研究.pdf

1、圖像分割是計算機視覺與模式識別領域低層次視覺處理中基本而關鍵的技術之一。傳統(tǒng)的數(shù)據(jù)驅(qū)動的圖像分割方法由于方法本身的局限性，難以滿足復雜分割的要求，模型驅(qū)動的圖像分割方法正是在這種需求之下出現(xiàn)的。本文重點研究了基于可變形模型的圖像分割理論及其相關技術，并圍繞著參數(shù)主動輪廓模型(PACM)、幾何主動輪廓模型(GACM)和基于解析形式的參數(shù)可變形模板展開研究。主要工作及貢獻可歸納如下： 1)將數(shù)學方法與工程概念相結(jié)合，從多元函數(shù)極值的

2、梯度下降法和泛函極值的變分法兩個不同的數(shù)學角度，對PACM能量泛函的極值條件進行了推導與詮釋，并針對其建模原理、數(shù)值優(yōu)化方法以及分割理論框架進行了綜述性的介紹和深入細致的數(shù)學理論剖析。 2)為了在PACM中提供更多的與高層理解機制交互的途徑，在前一工作的基礎上，提出了一種由模糊邏輯系統(tǒng)引導的模糊PACM模型(FPACM)，并通過引入新的共生算子提出了一種改進遺傳算法—共生遺傳算法(CGA)，用于FPACM能量函數(shù)的全局優(yōu)化。與傳

3、統(tǒng)PACM的對比實驗證明了FPACM的有效性，特別是在與高層交互方面更顯示了其優(yōu)越的性能。 3)提出并證明了平面曲線在任意參數(shù)表示時的Frenet-Serret公式，并從古典微分幾何的角度，利用平面曲線的Frenet標架表示，用定理形式巧妙地證明了當變形曲線用任意參數(shù)表示時PACM與GACM之間的可相互轉(zhuǎn)化性。另外，在定理證明的基礎上，對兩種可變形模型的物理意義、變形特性及優(yōu)缺點進行了逐項對比與評價，給出了更為清晰合理的動力學解

4、釋，揭示了兩種模型不同的物理本質(zhì)。 4)在前一工作的基礎上，針對基于梯度矢量流(GVF)的GACM模型無法提取深度凹陷狹長邊緣的不足，將廣義梯度矢量流(GGVF)的思想引入到測地線GACM模型中來，構(gòu)建了基于GGVF的測地線GACM模型，并結(jié)合理論分析與分割實驗結(jié)果對新模型進行了詳細的評價。結(jié)果表明，新模型在保留原模型拓撲結(jié)構(gòu)可自適應改變優(yōu)勢的同時，獲得了對狹長凹陷邊緣的精確提取能力，整體性能是更優(yōu)的。 5)針對自由可變