基于變分方法的圖像分割研究.pdf

1、圖像分割是計(jì)算機(jī)視覺(jué)中的關(guān)鍵問(wèn)題之一，其應(yīng)用范圍非常廣泛，幾乎出現(xiàn)在有關(guān)圖像處理的所有領(lǐng)域，并涉及到各種類(lèi)型的圖像。傳統(tǒng)非模型的分割方法由于其方法本身的局部性、分割區(qū)域邊界可能不完整、缺乏結(jié)合先驗(yàn)知識(shí)能力等缺陷，難以滿(mǎn)足諸如醫(yī)學(xué)圖像分割等復(fù)雜分割應(yīng)用的需求。因此，需要一種有機(jī)結(jié)合圖像本身的低層次視覺(jué)屬性與待分割目標(biāo)各種信息的靈活框架，以獲得分割區(qū)域的完整表達(dá)?；谧兎址椒ǖ膱D像分割方法正是這種需求下出現(xiàn)的。 傳統(tǒng)的基于變分方法的

2、圖像分割模型有活動(dòng)輪廓模型，Mumford-Shan模型和Chen-Vese模型。傳統(tǒng)的變分模型在處理最底層的視覺(jué)信息（灰度，彩色信息）組成的圖像獲得了巨大的成功。近些年研究的重點(diǎn)是在傳統(tǒng)模型上加入較高級(jí)的視覺(jué)信息。基于形狀先驗(yàn)知識(shí)的分割模型是將對(duì)物體的先驗(yàn)認(rèn)知加入的傳統(tǒng)的模型中，使得模型在物體被遮擋或信息丟失的情況下做出正確的分割。 紋理信息差異是指物體和背景之間的紋理的區(qū)別，從頻率分析的角度來(lái)看，這些區(qū)別在于頻率，方向以及尺