活動輪廓模型在圖像分割中的研究與應用.pdf

1、圖像分割就是提取圖像中的感興趣區(qū)域，該技術是如今的一個熱門研究方向，因為圖像分割結果的準確性直接影響到后續(xù)圖像分析和理解的結果。而圖像分割也是一個具有挑戰(zhàn)性的問題，到目前為止也沒有通用的圖像分割方法。目前的圖像分割方法大概有以下幾種：閾值分割方法，邊緣檢測分割方法，神經網絡分割方法，形變模型分割方法等等。形變模型分割方法在近幾年來得到廣泛的應用，其主要包括參數(shù)活動輪廓模型和幾何輪廓模型。Snake模型是經典的參數(shù)活動輪廓模型，定義能量方

2、程并通過能量最小化思想來達到圖像分割的目的。但參數(shù)活動輪廓模型的邊界由參數(shù)提供，盡管很多問題能適用，但有時分割結果會產生尖刺或交叉邊界。而幾何活動輪廓模型是基于偏微分方程表示表面，從而可以克服這一問題。
　　幾何活動輪廓模型與參數(shù)活動輪廓模型主要不同在于，它的曲線只用幾何公式表達，與參數(shù)無關，過程是隱式的。因此曲線或者表面可以用高維函數(shù)的水平集表示，可以對拓撲變化作無縫處理。因此不用邊界跟蹤也能檢測出未知的多個物體。而但幾何活動輪

3、廓模型也有它的缺陷，當用于處理輪廓有縫隙的噪聲數(shù)據時，可能會產生與真正物體的形狀存在拓撲不一致性的輪廓。
　　幾何活動輪廓模型主要分為基于邊緣檢測的分割模型和基于區(qū)域的分割模型?；谶吘墮z測的分割模型主要是根據圖像的梯度來進行邊緣檢測。但圖像的梯度會受到亮度和對比度等因素的影響，所以分割結果并不穩(wěn)定。而基于區(qū)域屬性的分割則能彌補僅僅依靠梯度的不足。Chan-Vese（C-V）活動輪廓模型是比較成功的基于區(qū)域的幾何活動輪廓模型，該模

4、型的提出意義深遠。C-V模型主要優(yōu)勢在于在利用可靠地圖像底層特征同時又受到圖像高層知識的影響。缺點在于對含有異質區(qū)域或復雜背景的圖像分割結果不太理想。
　　本文主要對活動輪廓模型進行了概述，深入研究了幾何活動輪廓模型的理論模型和發(fā)展現(xiàn)狀。重點介紹了Chan-Vese模型并分析其優(yōu)缺點。并針對其不足提出了一種基于高斯拉普拉斯算子的改進型C-V模型。并通過實驗分析和對比該模型的有效性。最后把該模型實際應用到超聲乳腺腫瘤分割中，通過腫瘤