基于水平集的圖像分割方法及其測試平臺.pdf

1、在圖像處理領域中，圖像分割作為圖像理解和識別的基礎，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。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撲變化以及多信息融性的特點，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注。然而，由于水平集方法將分割問題轉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，本文針對該問題，提出了相關

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圖像特征進行建模，使得分割方法對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，從而大大降低計算量。實驗結果表明，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)域競爭的快速多目標圖像分割方法。該方法使用N個水平集函數(shù)把圖像分為2N個區(qū)域，有效減少了水平集函數(shù)的數(shù)量，從而降低計算量；通過遍歷整幅圖像，判斷像素類標變化對能量改變的影響來決定像素的類標歸屬，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。實驗證明，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）為了便于測試與比較