基于局部區(qū)域活動輪廓模型的圖像分割方法研究.pdf

1、圖像分割是圖像領(lǐng)域中的關(guān)鍵技術(shù)。圖像處理、圖像分析和圖像理解的首要步驟都是將圖像中特定的目標(biāo)區(qū)域從整體區(qū)域中分割出來，在此基礎(chǔ)上才有可能進(jìn)一步對目標(biāo)區(qū)域進(jìn)行處理和分析，從而達(dá)到識別和理解效果。而活動輪廓模型因其具有靈活性并且無需前置信息的特點已經(jīng)廣泛被應(yīng)用在圖像分割領(lǐng)域，有著廣闊的應(yīng)用前景。
　　然而，大部分活動輪廓模型都不能很好的處理灰度不均勻的圖像。為了解決這個問題，本文圍繞著基于活動輪廓模型的圖像分割方法展開研究，介紹了活動

2、輪廓方法的基本原理，詳細(xì)分析了各種模型的優(yōu)缺點，著重介紹了基于局部區(qū)域的活動輪廓模型，并提出了一種改進(jìn)的基于局部區(qū)域的活動輪廓模型方法，具體工作如下:
　　(1)提出了一種新的基于局部區(qū)域的局域化混合局部高斯活動輪廓模型。對在圖像分割中，局域化活動輪廓模型具有很好的正確性效果，然而精確度卻不盡人意。而局部高斯活動輪廓模型對噪聲處理能力很強，并且不受初始輪廓的選擇限制，但是卻對細(xì)節(jié)過于敏感。綜合兩種模型的優(yōu)缺點，我們提出了一種新的基

3、于局部區(qū)域的活動輪廓模型，在保證分割結(jié)果的正確性的同時，提高分割精確度，實驗結(jié)果表明了改進(jìn)模型的優(yōu)越性。
　　(2)設(shè)計實現(xiàn)了水平集層面的兩種優(yōu)化方法。針對活動輪廓模型水平集方法需要進(jìn)行重新初始化的問題，通過水平集反應(yīng)擴(kuò)散的方法，從而避免了重新初始化步驟，既加快了模型演化，又保證了模型的穩(wěn)健性。在水平集迭代過程中，使用窄帶方法減少計算時間，進(jìn)一步提高模型的效率。
　　(3)采用了一種基于多分辨率框架的優(yōu)化方案。針對活動輪廓模