基于活動輪廓模型的圖像分割與應(yīng)用.pdf

1、眾所周知，圖像分割和邊界提取對于圖像理解、圖像分析、模式識別、計算機視覺等高層視覺處理具有非常重要的意義，在邊緣檢測、輔助醫(yī)學(xué)診斷及運動跟蹤等領(lǐng)域有著廣泛的應(yīng)用和很大的發(fā)展。活動輪廓模型方法是目前圖像分割技術(shù)的主流方法之一。
　　 本文基于活動輪廓模型的圖像分割進行了研究。主要進行了以下的工作：首先對圖像分割的產(chǎn)生背景、目的、發(fā)展現(xiàn)狀等方面進行了較全面的綜述，對現(xiàn)有的分割方法進行了介紹和對比；并分別對活動輪廓模型的兩大類別(參數(shù)

2、活動輪廓模型和幾何活動輪廓模型)進行了詳細(xì)的討論。在此基礎(chǔ)上對基于邊緣的幾何活動輪廓和基于區(qū)域的活動輪廓的能量函數(shù)構(gòu)造、算法實現(xiàn)等方面進行了深入研究，針對兩種不同類型活動輪廓模型的缺點，分別提出了改進算法。氣球活動輪廓模型可以輕松地提取形狀復(fù)雜的目標(biāo)邊界，但其單向運動的缺點使得初始輪廓只能完全地設(shè)置在目標(biāo)內(nèi)部或外部，嚴(yán)重限制了氣球模型的應(yīng)用。它與傳統(tǒng)基于邊界的活動輪廓模型一樣，對于弱邊緣圖形的處理十分不理想，容易造成邊界泄露。提出了一種

3、結(jié)合靜磁場的雙向氣球力模型。由圖像的邊緣信息生成一個虛擬靜磁場，然后通過靜磁場的磁場方向來決定氣球力的大小和作用方向，即表現(xiàn)為膨脹力或收縮力，從而實現(xiàn)了氣球力模型的自適應(yīng)雙向運動。實驗表明，提出的模型在輪廓線初始位置的要求，復(fù)雜形狀目標(biāo)和弱邊緣圖像的提取等方面都優(yōu)于傳統(tǒng)的邊緣分割算法。針對傳統(tǒng)基于區(qū)域的幾何活動輪廓模型對于灰度分布不均勻圖像(如醫(yī)學(xué)圖像，自然圖像等)的處理效果不理想的缺點。我們在Chan-Vese模型的基礎(chǔ)上加入一個局域