基于可變形模型的圖像分割與圖像配準研究.pdf

1、本論文研究了基于可變形模型的圖像分割與圖像配準方法及其實現(xiàn)。圖像分割與圖像配準是圖像處理領(lǐng)域的兩個重要研究方向，也是國內(nèi)外研究的熱點和難點問題。圖像分割是進一步對圖像進行分析、識別、壓縮編碼等處理的基礎(chǔ)，分割的準確性直接影響后續(xù)任務(wù)的有效性。圖像配準是多源數(shù)據(jù)融合、時序圖像分析、目標變化檢測、目標識別、圖像鑲嵌等實際問題中的重要步驟，其應(yīng)用遍及軍事、遙感、醫(yī)學(xué)、計算機視覺等多個領(lǐng)域。在圖像配準方法，特別是醫(yī)學(xué)圖像的處理與分析研究中，非剛

2、性配準是一個有意義的非常活躍的研究領(lǐng)域。 由于可變形模型方法本身所具有的“自上而下”的特點以及與傳統(tǒng)圖像分割方法相比所具有的優(yōu)勢，這類方法已經(jīng)逐漸發(fā)展成為圖像分割最為活躍和成功的研究領(lǐng)域之一。針對可變形模型的缺陷和不足，許多國內(nèi)外的專家學(xué)者對其進行了深入分析，并提出了很多改進算法和方案。本文研究了可變形模型的原理、實現(xiàn)、發(fā)展以及在各個領(lǐng)域的應(yīng)用，并對基于可變形模型進行圖像分割和圖像配準的方法進行了深入探討，提出了一些新的思路和改

3、進算法。論文的主要工作和創(chuàng)新點包括： 1：討論了圖像形狀特征的表示和提取，并從不變矩理論出發(fā)討論仿射不變量以及通過矩來構(gòu)造和定義仿射不變量的方法。提出一種基于數(shù)學(xué)形態(tài)學(xué)的曲線特征提取方法，并將其用于牙種植外科的計算機輔助設(shè)計和手術(shù)模擬。牙弓曲線的提取是牙種植模擬手術(shù)中最基礎(chǔ)和重要的步驟，本文針對CT軸位圖像中牙齒表現(xiàn)出的特征，進行二值化和數(shù)學(xué)形態(tài)學(xué)的處理來提取牙齒的中心點，然后進行曲線擬合得到牙弓曲線。算法處理簡單，速度快，結(jié)果

4、表明曲線比較平滑，而且保證經(jīng)過牙齒的中心，在后續(xù)的圖像處理及牙種植手術(shù)模擬中證明了牙弓曲線的提取是有效準確的。 2：介紹了可變形模型的發(fā)展概況，討論了可變形模型的數(shù)字實現(xiàn)以及比較典型的幾種改進算法。針對在復(fù)雜背景下進行圖象分割和對象提取的問題，提出了一種仿射不變的分段可變形模型，提取圖像的仿射不變特征信息，并將對象輪廓進行分段處理。輪廓中的每一段由一個驅(qū)動點驅(qū)動曲線的變形，驅(qū)動點由其特征向量表示該段的仿射不變量信息。在變形的初期

5、選取較少的特征點，利用圖象的全局信息進行變形，隨著迭代次數(shù)的增加特征點逐漸增多，輪廓線分段逐漸細化，利用圖象的局部信息使可變形模型收斂到對象邊緣處。試驗表明與傳統(tǒng)方法相比，本模型運算速度快，抗噪聲和避免陷入局部極小值的能力較強，對復(fù)雜背景下對象的提取有較好的效果。 3：提出了一種基于邊緣和區(qū)域信息的兩階段圖像分割方法。在圖像分割過程中采用不同的變形策略，在第一個階段使用改進的層次化可變形模型，模型輪廓分為幾段，逐段采用仿射變換進

6、行變形。模型輪廓與分割對象輪廓基本匹配后，在第二階段使用精確匹配策略，結(jié)合區(qū)域統(tǒng)計信息重新定義模型的外部能量函數(shù)，使模型精確收斂到對象邊緣。分段的層次化變形有效的利用了圖像的全局和局部信息，使用仿射變換使模型的局部以同一種變換方式變形，提高模型對噪聲和偽邊緣的魯棒性，同時保持模型輪廓形狀的一致性。改進的外部能量函數(shù)減少了計算復(fù)雜度。在精確匹配階段采用自適應(yīng)的搜索區(qū)域確定方法，提高了算法的效率。實驗表明本模型運算速度快，抗噪聲和避免陷入局

7、部極小值的能力較強，并具有進入分割對象凹邊緣的能力。 4：討論了圖像分割和圖像配準的關(guān)系和變分框架下結(jié)合圖像分割和圖像配準的方法，介紹了層次化非剛體配準的分類和常用方法。提出了一種結(jié)合可變形分割的層次化非線性圖像配準方法，將圖像分割與圖像配準方法相集成到一個變分框架中，從而在對圖像特征分割的同時實現(xiàn)圖像之間的配準。層次化的配準策略首先使用兩階段可變形模型進行圖像分割和對象提取，同時在迭代過程中不斷更新從而最終獲得仿射配準的變換參