灰度圖像分割算法的研究.pdf

1、人通過(guò)視覺(jué)感知半數(shù)以上的外界信息，因此圖像處理領(lǐng)域的進(jìn)展對(duì)我們感知外部世界有很大幫助。隨著計(jì)算機(jī)處理速度的提高和圖像處理技術(shù)的成熟，數(shù)字圖像作為一種直接而豐富的信息載體，已成為計(jì)算機(jī)科學(xué)領(lǐng)域越來(lái)越重要的研究對(duì)象。 在對(duì)圖像的研究和應(yīng)用中，人們往往只對(duì)圖像的某些部分感興趣，這些部分被稱(chēng)為前景，余下的部分被稱(chēng)為背景。圖像分割就是將圖像分為各具特色的區(qū)域并提取出前景的技術(shù)和過(guò)程。另一方面，前景的邊界是我們感興趣的對(duì)象，如果我們能檢測(cè)出

2、這些邊緣，就可以提取出前景。這種基于邊緣的圖像分割，也被稱(chēng)為邊緣檢測(cè)。 本文首先簡(jiǎn)單介紹了一些常見(jiàn)的邊緣檢測(cè)方法和算子，給出了不同算子對(duì)同一幅圖像進(jìn)行分割的結(jié)果，并對(duì)結(jié)果進(jìn)行了分析。隨后討論了基于可變模型的分割?？勺兡Ｐ头謪?shù)可變模型和幾何可變模型兩大類(lèi)，前者通過(guò)參數(shù)顯式表達(dá)，如本文將討論Snake模型。后者，又稱(chēng)水平集方法(Level Set Method)，通過(guò)高維函數(shù)隱含表達(dá)目標(biāo)對(duì)象。本文將以可變模型為重點(diǎn)，詳細(xì)討論基于這

3、兩類(lèi)模型的分割方法。 Snake，又被稱(chēng)為參數(shù)主動(dòng)輪廓，是定義在圖像域中的一條彈性曲線。該曲線在內(nèi)部能量和以邊界為特征的外部能量的驅(qū)使下不斷變形。當(dāng)總能量達(dá)到局部極小時(shí)，曲線就刻畫(huà)了目標(biāo)的邊界，從而給出了目標(biāo)邊緣一個(gè)有意義的描述。本文詳細(xì)描述了Snake模型的原理，算法，并給出了實(shí)例。但該方法也存在某些不足，針對(duì)這些不足，本文介紹了相應(yīng)的改進(jìn)。 水平集方法是本文的重中之重。該模型因有較好的數(shù)學(xué)理論基礎(chǔ)，具有很強(qiáng)的改變拓