基于可變形模型的圖像分割相關(guān)技術(shù)研究.pdf

1、圖像分割是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域低層次視覺(jué)處理中基本而關(guān)鍵的技術(shù)之一。傳統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)的圖像分割方法由于方法本身的局限性，難以滿(mǎn)足復(fù)雜分割的要求，模型驅(qū)動(dòng)的圖像分割方法正是在這種需求之下出現(xiàn)的。本文重點(diǎn)研究了基于可變形模型的圖像分割理論及其相關(guān)技術(shù)，并圍繞著參數(shù)主動(dòng)輪廓模型(PACM)、幾何主動(dòng)輪廓模型(GACM)和基于解析形式的參數(shù)可變形模板展開(kāi)研究。主要工作及貢獻(xiàn)可歸納如下： 1)將數(shù)學(xué)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(gè)不同的數(shù)學(xué)角度，對(duì)PACM能量泛函的極值條件進(jìn)行了推導(dǎo)與詮釋?zhuān)⑨槍?duì)其建模原理、數(shù)值優(yōu)化方法以及分割理論框架進(jìn)行了綜述性的介紹和深入細(xì)致的數(shù)學(xué)理論剖析。 2)為了在PACM中提供更多的與高層理解機(jī)制交互的途徑，在前一工作的基礎(chǔ)上，提出了一種由模糊邏輯系統(tǒng)引導(dǎo)的模糊PACM模型(FPACM)，并通過(guò)引入新的共生算子提出了一種改進(jìn)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(duì)比實(shí)驗(yàn)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(shí)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(biāo)架表示，用定理形式巧妙地證明了當(dāng)變形曲線用任意參數(shù)表示時(shí)PACM與GACM之間的可相互轉(zhuǎn)化性。另外，在定理證明的基礎(chǔ)上，對(duì)兩種可變形模型的物理意義、變形特性及優(yōu)缺點(diǎn)進(jìn)行了逐項(xiàng)對(duì)比與評(píng)價(jià)，給出了更為清晰合理的動(dòng)力學(xué)解

4、釋?zhuān)沂玖藘煞N模型不同的物理本質(zhì)。 4)在前一工作的基礎(chǔ)上，針對(duì)基于梯度矢量流(GVF)的GACM模型無(wú)法提取深度凹陷狹長(zhǎng)邊緣的不足，將廣義梯度矢量流(GGVF)的思想引入到測(cè)地線GACM模型中來(lái)，構(gòu)建了基于GGVF的測(cè)地線GACM模型，并結(jié)合理論分析與分割實(shí)驗(yàn)結(jié)果對(duì)新模型進(jìn)行了詳細(xì)的評(píng)價(jià)。結(jié)果表明，新模型在保留原模型拓?fù)浣Y(jié)構(gòu)可自適應(yīng)改變優(yōu)勢(shì)的同時(shí)，獲得了對(duì)狹長(zhǎng)凹陷邊緣的精確提取能力，整體性能是更優(yōu)的。 5)針對(duì)自由可變