基于水平集的圖像分割方法及其測(cè)試平臺(tái).pdf

1、在圖像處理領(lǐng)域中，圖像分割作為圖像理解和識(shí)別的基礎(chǔ)，發(fā)揮著重要的作用。圖像分割的基本原理為：根據(jù)圖像的相關(guān)特性，把圖像分為幾部分區(qū)域，或者是把感興趣的部分選取出來(lái)。這些特性包括灰度，紋理，形狀以及顏色等。而水平集方法有著能靈活處理拓?fù)渥兓约岸嘈畔⑷谛缘奶攸c(diǎn)，成為圖像分割的一類重要的研究方法，受到研究者們的廣泛關(guān)注。然而，由于水平集方法將分割問題轉(zhuǎn)換為能量最小化問題，需要求解偏微分方程，存在分割效率不高的問題，本文針對(duì)該問題，提出了相關(guān)

2、解決方法，完善和豐富了基于水平集的圖像分割方法，具體工作如下：
　　1）本文提出了一種基于局部高斯和格子玻爾茲曼方法（Lattice Boltzmann Method, LBM）的快速圖像分割方法。該方法首先利用局部高斯模型對(duì)圖像特征進(jìn)行建模，使得分割方法對(duì)噪聲具有更好的魯棒性；其次，利用LBM能更為高效地求解演化方程，從而大大降低計(jì)算量。實(shí)驗(yàn)結(jié)果表明，在保持分割精確度的情況下，該算法與同類方法相比取得了更高的分割效率；
　

3、　2）本文提出了一種基于多區(qū)域競(jìng)爭(zhēng)的快速多目標(biāo)圖像分割方法。該方法使用N個(gè)水平集函數(shù)把圖像分為2N個(gè)區(qū)域，有效減少了水平集函數(shù)的數(shù)量，從而降低計(jì)算量；通過遍歷整幅圖像，判斷像素類標(biāo)變化對(duì)能量改變的影響來(lái)決定像素的類標(biāo)歸屬，這種方式避免了能量函數(shù)的優(yōu)化過程，提高了分割方法的效率。實(shí)驗(yàn)證明，在不影響分割速度的情況下，本算法比快速單區(qū)域分割的精度高，同時(shí)與同類多區(qū)域分割方法相比，該方法也取得了更好的分割效率；
　　3）為了便于測(cè)試與比較