梯度矢量流主動輪廓模型的理論與應(yīng)用研究.pdf

1、圖像分割是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)重要的研究方向，是進(jìn)行圖像分析和圖像識別的前提。主動輪廓模型改變了傳統(tǒng)圖像分割的思想，它在進(jìn)行圖像分割的過程中結(jié)合了先驗(yàn)知識，吸引了大量研究者的目光。其中梯度矢量流主動輪廓模型（Gradient Vector FlowSnake，GVF Snake）是眾多研究成果中十分重要的一個(gè)，它改進(jìn)了主動輪廓模型的外力場，擴(kuò)大了捕捉范圍，并能夠使輪廓進(jìn)入凹陷區(qū)域。但是梯度矢量流主動輪廓模型仍然存在一些缺陷，本文的研究工

2、作主要針對改進(jìn)GVF外力場展開，通過改進(jìn)擴(kuò)散算子而獲得更優(yōu)秀的外力場，提高GVF Snake模型的性能。
　　 本文提出了兩種全新的外力場：流形上的梯度矢量流（Gradient Vector Flow over Manifold，GVFOM）和法線方向有偏的梯度矢量流（Normally Biased Gradient Vector Flow，NBGVF）。GVFOM是將歐氏空間中的梯度矢量場表示在二維流形中，從而把矢量場中的兩個(gè)

3、分量耦合在一起進(jìn)行擴(kuò)散得到的。梯度矢量場中信息是由兩個(gè)分量共同作用反應(yīng)出來的，因此，與GVF模型相比，GVFOM的處理方法更加符合實(shí)際情況。NBGVF引入法線方向有偏的各向異性擴(kuò)散算子代替GVF中的Laplacian算子進(jìn)行擴(kuò)散產(chǎn)生外力場，利用各向異性擴(kuò)散的優(yōu)良特性改進(jìn)外力場，使其能夠保持弱邊緣并且能夠進(jìn)入狹長的深度凹陷區(qū)域。本文通過弱邊緣保持，狹長深度凹陷收斂的實(shí)驗(yàn)展示了新外力場對于GVF外力場的改進(jìn)，并通過真實(shí)圖像的實(shí)驗(yàn)說明GVFO