基于活动轮廓模型的图像分割研究

【摘要】： 图像分割是将图像划分成多个具有相似特征的区域并提取感兴趣目标的技术,图像分割是图像理解和识别的前提。基于活动轮廓模型的图像分割方法,由于其既利用了低层的图像数据信息,又结合了高层的目标先验知识,与传统的图像分割方法相比表现出很强的优越性。但是,活动轮廓模型本身也存在很多缺陷,如计算复杂度比较高、图像的弱边缘收敛性比较差等问题。本文对基于活动轮廓模型的图像分割方法进行了系统研究,主要工作如下: 一、针对VEF(Virtual Electric Field)Snake模型在扩大传统Snake模型外力作用范围时带来的噪声敏感、边界泄露等问题,提出了一种改进的模型。通过重新定义模型的卷积核,降低了VEF外力作用范围对参数变化的敏感性;将卷积外力场Snake模型的外力定义为CEF(Convolution External Field)力场和图像势能力场的组合外力,缓解了模型在抑制噪声干扰时对弱边界作用范围的影响,从而有效防止了弱边界泄露。同时,建立的卷积外力场Snake模型对图像噪声具有鲁棒性,使得演化曲线能够精确收敛到目标边界。 二、将GGVF(Generalized Gradient Vector Flow)外力应用到几何活动轮廓模型中,提出一种基于梯度混合的LBF几何活动轮廓模型。首先利用基于区域信息的LBF(Local Binary Fitting)算法,使演化曲线快速收敛到目标边界附近,然后利用GGVF具有长程作用力的优点,将处于目标附近的曲线快速吸引到目标边界。同时,利用水平集方法求解模型曲线的演化,使得基于梯度混合的LBF几何活动轮廓模型能够处理目标的拓扑变化。 三、针对基于梯度信息的几何活动轮廓模型在分割弱边缘和噪声图像时容易出现边界泄露问题,从两个方面对这类模型进行了改进。首先用最小面积约束项代替原模型中的边缘停止函数。最小面积约束项的特点是不依赖于图像中的边缘信息,即使图像中的边缘模糊或呈离散状,仍可得到理想的分割结果。同时,该约束项具有全局优化的特点,仅需要一条初始闭合曲线,就可以将内部带空洞目标的内外边缘全部检测出来。其次,在原模型外力场的基础上引入了扩散的区域梯度力场,由于该区域梯度力场是对图像进行区域分割后产生的,所以能够从全局的角度为模型提供区域内目标的边界信息,进而达到分割弱边缘目标的目的。引入的扩散区域力场可以扩大区域力的捕捉范围,抑制噪声干扰。实验表明,改进后的模型较好地解决了原模型中存在的边界泄露现象。 四、论文详细分析了两种已有的变分水平集图像分割模型,同时引入了拉普拉斯零交叉边缘检测算子,并由它们提出了一种新的集成了边缘梯度信息和区域全局信息的变分水平集模型。该模型即克服了所述两种模型的缺点,又继承了各自的优点。同时,采用加性算子分裂(additional operator splitting, AOS)算法,在保证模型绝对稳定的基础上,加快了收敛速度。实验表明,所提方法对于不同类型的灰度图像能达到稳定、准确的分割效果。 论文上述工作的前三部分主要是针对边界泄露问题而提出的分割方法。其中第一部分工作是对VEF Snake模型分割噪声弱边缘图像时出现边界泄露现象而给出的改进方法;第二部分工作主要解决了低对比度多层次灰度值图像分割时出现的边界泄露问题;第三部分工作主要解决了强噪声图像和弱边缘图像分割时出现的边界泄露问题。