結(jié)合局部和全局信息的活動(dòng)輪廓模型研究.pdf

1、圖像處理作為一門(mén)涉及面十分廣泛的學(xué)科，在眾多領(lǐng)域都得到學(xué)者的關(guān)注。而圖像分割作為圖像處理的關(guān)鍵內(nèi)容，歷來(lái)都是研究的熱點(diǎn)，能夠分離出后續(xù)工作需要的目標(biāo)以便進(jìn)行更好的分析、實(shí)驗(yàn)，分割結(jié)果越精確，后期實(shí)驗(yàn)分析效果就越好。近些年來(lái)，圖像分割一直受到人們的高度重視，至今已經(jīng)提出大量的各種類型的算法。
　　活動(dòng)輪廓模型(Active Contour Model)是一類重要的圖像分割模型，可分為兩類：基于邊緣的模型和基于區(qū)域的模型?；趨^(qū)域的模

2、型因其本身特有的優(yōu)勢(shì)，如對(duì)輪廓初始化和噪聲不敏感，使其應(yīng)用較為廣泛?；叶炔痪钦鎸?shí)圖像(如醫(yī)學(xué)圖像)中最常見(jiàn)的灰度特征，且難于處理。如今已有很多模型就是針對(duì)這種特征提出的，最為著名的有RSF模型(IEEE Transaction on Image Processing，2008)與LIF模型(Pattern Recognition，2010)等，但是對(duì)于這些只含圖像局部信息的模型，它們對(duì)輪廓初始化十分敏感。因此，如何有效地對(duì)這類圖像進(jìn)行

3、分割，一直是圖像分割領(lǐng)域的一個(gè)熱門(mén)課題。
　　本學(xué)位論文深入研究了一些經(jīng)典的活動(dòng)輪廓模型，如CV模型(IEEE Transaction on Image Processing，2001)、RSF模型以及LIF模型，然后研究了具有復(fù)雜背景或灰度不均勻圖像的分割問(wèn)題。
　　主要結(jié)果如下：
　　針對(duì)灰度不均的圖像，結(jié)合圖像全局和局部信息，構(gòu)造了一個(gè)新的活動(dòng)輪廓模型。該模型的能量泛函由三部分構(gòu)成：局部項(xiàng)、全局項(xiàng)和正則項(xiàng)。局部項(xiàng)