基于水平集和多目標(biāo)的圖像分割方法研究.pdf

1、圖像分割作為圖像處理以及機(jī)器視覺(jué)領(lǐng)域內(nèi)基本且關(guān)鍵的一個(gè)操作過(guò)程，有著至關(guān)重要的作用。因此，圖像分割一直在圖像處理領(lǐng)域中受到廣泛的關(guān)注。針對(duì)圖像本身所具有的灰度、顏色以及紋理信息等特征，廣大學(xué)者提出了許多對(duì)圖像進(jìn)行分割的方法，比如聚類(lèi)、閾值、邊緣檢測(cè)等等方法。這些方法中大部分都是直接對(duì)圖像的灰度信息進(jìn)行處理，這樣的處理方式很容易受到噪聲以及灰度分布不均勻情況的影響。本文采用基于區(qū)域統(tǒng)計(jì)模型的水平集方法對(duì)圖像進(jìn)行分割，將水平集函數(shù)嵌入能量方

2、程的框架當(dāng)中，水平集輪廓在能量函數(shù)的最小化的過(guò)程中逐漸收斂至最優(yōu)分割曲線，并且對(duì)于傳統(tǒng)的單目標(biāo)的方法不能夠全面地考量圖像分割的多個(gè)方面信息，所以本文采用基于多目標(biāo)的方法進(jìn)行圖像分割。
　　本文提出兩種圖像分割方法。第一種是將模糊理論運(yùn)用到基于統(tǒng)計(jì)模型的水平集算法，并將其運(yùn)用在圖像分割中。第二種是將多目標(biāo)算法運(yùn)用到圖像分割中，提出了一種基于多目標(biāo)進(jìn)化的圖像分割方法。論文的研究?jī)?nèi)容如下：
　　1.提出了一種基于模糊理論的統(tǒng)計(jì)水平

3、集動(dòng)態(tài)輪廓模型的圖像分割方法。本方法將模糊因子加入到水平集動(dòng)態(tài)輪廓模型中，模糊概念的引入可以有效地抑制噪聲污染以及外來(lái)值對(duì)分割結(jié)果的影響，對(duì)于提高分割結(jié)果的魯棒性及其準(zhǔn)確性都有很有效的作用。另外，正則項(xiàng)的使用可以保護(hù)水平集函數(shù)不會(huì)在演化過(guò)程中退化，并且可以省略重新初始化的步驟，這樣不僅提高了分割的效果，還大大降低了時(shí)間復(fù)雜度。實(shí)驗(yàn)結(jié)果顯示，本方法在分割效果上優(yōu)于其他經(jīng)典的水平集方法，尤其是對(duì)于分割過(guò)程中噪聲點(diǎn)和奇異值帶來(lái)的影響，對(duì)于灰度

4、分布不均勻的圖像應(yīng)用本模型也能夠得到很好的分割效果，同時(shí)本方法能夠很好的捕捉到圖像的弱邊界，對(duì)于邊界模糊的圖像也能夠有效地進(jìn)行分割。
　　2.提出了一種基于多目標(biāo)進(jìn)化算法的圖像分割方法，并將其用于 SAR圖像分割中。在該模型中，我們將硬聚類(lèi)的目標(biāo)函數(shù)和近鄰懲罰函數(shù)作為多目標(biāo)進(jìn)化中的兩個(gè)目標(biāo)函數(shù)，這個(gè)兩個(gè)函數(shù)分別從圖像的緊密性和連通性兩個(gè)方面對(duì)圖像的特征進(jìn)行詮釋。此外，本文中采用了改進(jìn)的基于多目標(biāo)的免疫克隆算法對(duì)設(shè)定的兩個(gè)目標(biāo)函數(shù)進(jìn)