基于能量極小化的圖像分割.pdf

1、圖像分割中采用偏微分方程(Partial Differential Equation,PDE)的思想是隨著計算機(jī)科學(xué)與技術(shù)、數(shù)學(xué)和物理學(xué)的發(fā)展而逐漸產(chǎn)生、成熟起來的,成為圖像處分割研究領(lǐng)域一項受到廣泛關(guān)注的技術(shù)。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)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

2、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、邊緣檢測方法、區(qū)域分割方法、結(jié)合特定理論工具的分割方法(例如基于PDE的圖像分割方法)、基于人工神經(jīng)網(wǎng)絡(luò)的方法等其他方法。
　　重點是基于PDE能量極小化的圖像分割方法的研究,主要內(nèi)容包括:(1)首先闡述了傳統(tǒng)的基于Mumford-Shah模型的水平集(Level Set)分割圖像的算法,研究了在傳統(tǒng)的Mumford-Shah模型的基礎(chǔ)上Cha

3、n-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。本文對基于CV方法的圖像分割進(jìn)行了驗證;(2)分析研究了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:參數(shù)主動輪廓模型和幾何主動輪廓模型。系

4、統(tǒng)闡述了兩類模型的發(fā)展和優(yōu)缺點,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)Snake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(Signed Distance Function),省去了曲線演化后的每次符號更新的步驟,使得計算更簡便,也更快。結(jié)合新的變量方程,實現(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,很

5、好地說明了新的Snake模型初始輪廓選取的靈活性和快速性;(3)分析研究了一種基于圖像色度和亮度進(jìn)行彩色圖像分割的彩色模型——CB(Chromaticity and Brightness)模型,對于含有噪聲的圖像,可以通過CB模型進(jìn)行分割,把圖像分割成幾何和擺動部分(紋理和噪聲),因而其中的幾何部分,就是去噪后的圖像。同時利用被分割出來的紋理部分在亮度上的分量vb來實現(xiàn)對圖像的輪廓提取,與常見的Log算子和Roberts算子進(jìn)行了對比,