版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、對圖像數(shù)據(jù)進(jìn)行有效分析之前,圖像的平滑和分割是最重要的步驟,它們的成功與否,直接影響后續(xù)工作的質(zhì)量。近年來,基于偏微分方程的圖像處理受到了研究人員的廣泛關(guān)注。將圖像的處理轉(zhuǎn)為對偏微分方程的處理后,人們可以直接利用大量成熟的數(shù)學(xué)工具,使得圖像偏微分方法迅速發(fā)展成為一種理論上嚴(yán)謹(jǐn),實(shí)用上有效的方法。它的基本思想是將所研究問題歸結(jié)為一個能量最小化問題,通過變分方法將泛函極值問題轉(zhuǎn)化為對PDE的求解,然后把PDE的解作為圖像分割后的結(jié)果。由于應(yīng)
2、用背景不同,便產(chǎn)生了不同的基于PDE的分割模型。
本文首先對圖像分割中常用的分割方法進(jìn)行了探討,闡述了目前國內(nèi)外提出的圖像分割方法,主要有以下幾類:閾值分割方法、聚類分割方法、邊緣檢測方法、函數(shù)優(yōu)化方法、數(shù)學(xué)形態(tài)學(xué)方法、基于對象的物理性質(zhì)的分割方法等其他方法。
重點(diǎn)是基于偏微分方程極小值解的圖像分割方法的研究,主要內(nèi)容包括:(1)首先闡述了曲線演化(Curve Evolution)理論,并引出水平集(Leve
3、l Set)方法。其次,詳細(xì)介紹了水平集方法,包括水平集方法的理論基礎(chǔ)和核心思想等。另外,用Li提出的一個新的變量方程來代替原來的SDF(Signed Distance Function),以加快水平集方法的計(jì)算速度、增強(qiáng)其計(jì)算的穩(wěn)定性;(2)分析研究了S-L模型--基于水平集方法的Snake模型。Snake模型(Active Contour Model)--活動輪廓模型,又稱主動輪廓模型。主動輪廓模型按照曲線的表達(dá)方式,可以分為兩大類
4、:參數(shù)主動輪廓模型和幾何主動輪廓模型。系統(tǒng)闡述了兩類模型的發(fā)展和優(yōu)缺點(diǎn),由于參數(shù)主動輪廓模型拓?fù)浣Y(jié)構(gòu)的變化不易處理,參數(shù)化形式復(fù)雜,所以幾何主動輪廓模型應(yīng)用更廣。闡述了傳統(tǒng)S-L模型的理論及不足之處,研究了改進(jìn)的變量方程,來代替其中的符號距離函數(shù)SDF,省去了曲線演化后的每次符號更新的步驟,使得計(jì)算更簡便,也更快。結(jié)合新的變量方程,實(shí)現(xiàn)了初始輪廓線在被分割目標(biāo)外部、在目標(biāo)內(nèi)部以及一條直線等都可以很好地分割出目標(biāo)的試驗(yàn),很好地說明了新的S
5、-L模型初始輪廓選取的靈活性和快速性;(3)分析研究了傳統(tǒng)的基于Mumford-Shah模型的水平集分割圖像的算法,研究了在傳統(tǒng)的Mumford-Shah模型的基礎(chǔ)上Chan-Vese提出的新的演化方法(Chan-Vese方法,CV方法),它具有初始輪廓選取靈活,不依賴于圖像的梯度信息,僅依賴于圖像的灰度信息,可以自動檢測目標(biāo)內(nèi)部的輪廓而不需要做一些額外的工作等方面的優(yōu)點(diǎn)。本文對基于CV方法的圖像分割進(jìn)行了驗(yàn)證,分割效果很好。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- python 求一元函數(shù)極小值-第7章 函數(shù)的極小值
- 基于能量極小化的圖像分割.pdf
- 3505.平穩(wěn)水文時間序列的極小值分布
- 基于局部能量極小值的船體曲線曲面光順方法研究.pdf
- 21671.序空間中向量值映射的極小值問題
- n個頂點(diǎn)且有k個匹配的樹的Randic指數(shù)極小值.pdf
- 基于反射波極小值的加速器自動頻率控制系統(tǒng)的研究.pdf
- 質(zhì)量排序極小值控制法確定煤炭質(zhì)量考核指標(biāo)探析
- 兩類賦權(quán)圖慣性指標(biāo)的極小值及其結(jié)構(gòu)研究.pdf
- 27233.偽壓縮算子和不動點(diǎn)問題以及極小值問題的迭代算法
- 巴拉望島西北海域夏季凈熱通量極小值特征及形成機(jī)理研究.pdf
- 基于特征值和譜聚類的極化SAR圖像分割.pdf
- 基于RGBD圖像的圖像分割算法研究.pdf
- 基于紋理的圖像分割.pdf
- 基于閾值的圖像分割研究.pdf
- 基于ITK的醫(yī)學(xué)圖像分割.pdf
- 基于PDE的圖像分割方法.pdf
- 基于區(qū)域的圖像分割方法.pdf
- 基于邊緣的運(yùn)動圖像分割.pdf
- 基于圖像分割的圖像修復(fù)技術(shù)研究.pdf
評論
0/150
提交評論