收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

图像分割的最优化和水平集方法研究

王辉  
【摘要】:图像分割是图像处理和计算机视觉领域的一个研究热点,一直为广大学者所关注。在实际生产生活领域中,图像分割可以应用在目标识别、图像分析、医学成像和遥感影像等领域。图像分割的实现是把一幅给定的图像根据其特征分割成不同的区域并且将感兴趣的目标从背景中提取出来。然而,图像分割本身的解不唯一,是一个病态的问题。虽然图像分割方法众多,但是到目前为止,仍然没有一种通用并且有效的分割方法,甚至对这些方法的分类都没有一个明确的标准。现存的图像分割方法中,依然存在分割精度不理想、效率不高、通用性差等缺陷。随着电子计算机技术日新月异的不断发展,图像分割领域中所面对的问题和需求也不断更新,同时也面临着更大的挑战,需要不断地追求和探索新的分割方法。因此,图像分割的研究具有重要意义。基于最优化和水平集方法的图像分割由于其优越的性能日益引起广大学者的关注。本文以提高图像分割的速度和精度为目的,对图像分割的最优化和水平集方法进行了研究,主要研究内容如下:1.基于经典的活动轮廓模型,如GAC模型、C-V模型,提出一种融合的水平集活动轮廓模型。该模型有效综合了图像的边缘信息、区域信息,相应的水平集演化方程数值实现简单。模型分析和数值实验验证了该模型的有效性。2.借助于图像的灰度统计信息,提出一种基于局部和全局高斯分布拟合能量的活动轮廓模型,并设计了相应的实现算法。该模型包含了图像的局部和全局区域信息,比现有的区域活动轮廓模型有优势。特别地,我们设计了一种新算法。该算法根据活动轮廓位置的改变,使模型中局部和全局区域拟合能量在总能量泛函中的权重自适应地变化,有利于加快收敛速度,提高分割精度。数值实验验证了算法能够获得满意的分割结果。3.由于C-V模型不能有效处理灰度分布不均匀的图像和分割过程中需要不断地重新初始化水平集函数,我们引入局部区域信息,提出一种局部区域C-V模型。进一步,通过引入Laplacian算子,设计了一种有效的算子分裂方法。同时还将该方法推广到矢量图像的分割。算法分析和数值实验验证了该方法的有效性。4.针对一类目标边缘较厚的图像,提出一种分别提取目标和背景的图像分割模型。该模型使用了两条轮廓曲线,一条用于提取目标,一条用于分割背景,不考虑边缘。此外,模型中还增加了距离约束项和水平集正则化项。数值实验验证了该模型能够获得理想的效果。5.自适应权重参数选取研究。针对现存基于图像局部和全局区域信息的模型存在权重参数选取的困难,提出一种自适应的权重参数选择方法。随着水平集的演化,该方法有效实现了主导能量泛函由全局区域信息到局部区域信息的转化,有利于活动轮廓的初始化和改善图像分割的精度。数值实验验证了该方法能够得到理想的分割结果。另一方面,在传统C-V模型的基础上,引入边缘信息,实现全局区域信息和边缘信息的集成,并提出一种自适应权重参数选择方法,有效平衡了边缘信息和全局区域信息在图像分割能量极小化过程中的作用。数值实验表明该方法能够自适应地选取边缘信息和区域信息的权重参数,有利于获得精确的分割结果。6.基于图像统计信息,针对局部和全局区域活动轮廓模型的非凸性,提出一种全局最小化的杂交活动轮廓模型。该模型有效解决了原始模型的非凸性问题,借助于最优化方法,能够有效收敛到全局最小值。在数值实现中,引入了快速数值方法,其速度远快于传统的梯度下降流方法。数值实验表明,该模型能够获得精确的分割结果。特别地该模型还被应用到浮油图像分割。7.基于全局和局部区域活动轮廓模型,提出一种有效的两阶段分割方法。该方法减少了对初始条件的敏感要求,提高了图像分割精度。数值实验验证了该方法能够达到理想的分割效果。


知网文化
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978