基于形變模型的圖像分割技術(shù)研究.pdf

1、圖像分割技術(shù)是由圖像處理到圖像分析的關(guān)鍵步驟，它是圖像處理與機(jī)器視覺的一個(gè)經(jīng)典難題，盡管已經(jīng)提出了許多的技術(shù)與方法，但這個(gè)問題至今尚無通用的自身理論。基于形變模型的分割技術(shù)利用圖像區(qū)域和邊緣信息，結(jié)合了幾何學(xué)、物理學(xué)和逼近論的思想，是目前研究最多、應(yīng)用最廣的分割方法。 本文首先介紹了水平集方法的基本思想及圖像分割中的Mumford-Shah模型和主動(dòng)輪廓模型，利用水平集方法把分割模型表示為關(guān)于水平集函數(shù)的形式，并建立方程。本文著

2、重討論Lie、Lysaker、Tai等提出的分段常數(shù)水平集方法在圖像分割中的應(yīng)用，同時(shí)利用分段常數(shù)函數(shù)來定義初始水平集函數(shù)，這樣在迭代過程中就不需要把水平集函數(shù)重新初始化為符號(hào)距離函數(shù)。因此，對(duì)于初始輪廓形狀不規(guī)則的情況，節(jié)省了算法初始化過程中所消耗的時(shí)間。 在對(duì)模型的求解算法進(jìn)行了詳細(xì)研究之后，我們發(fā)現(xiàn)梯度下降算法求解最小化泛函時(shí)，雖然不需要一個(gè)很好的初始水平集函數(shù)，但收斂速度很慢；Newton方法收斂較快，但對(duì)初始水平集函數(shù)

3、的要求較高。在Mumford-Shah模型的基礎(chǔ)上，我們提出了一個(gè)快速的分割算法。實(shí)驗(yàn)結(jié)果表明新算法收斂速度很快，且實(shí)現(xiàn)了水平集函數(shù)初始化的靈活性。另外，新算法有較強(qiáng)的處理噪音的能力。在數(shù)值計(jì)算方面，主要采用原始-對(duì)偶方法，并結(jié)合Newton方法進(jìn)行求解，利用Matlab編程進(jìn)行數(shù)值實(shí)現(xiàn)，對(duì)不同算法的分割效果進(jìn)行比較。 最后，我們?cè)谠敿?xì)研究了Y.M.Jung等提出的sine-sinc模型之后，利用分段常數(shù)水平集方法思想，提出了一