圖像分割的提升水平集方法.pdf

1、作為一種基礎(chǔ)的圖像技術(shù)，圖像分割在圖像工程、模式識(shí)別以及計(jì)算機(jī)視覺等學(xué)科中發(fā)揮著重要的橋梁作用。圖像分割分離圖像中的目標(biāo)與背景，實(shí)現(xiàn)底層數(shù)據(jù)向高層知識(shí)的轉(zhuǎn)化，使得高層分析、理解以及人工智能成為可能。
　　 在過去的半個(gè)世紀(jì)中，圖像分割一直受到人們的關(guān)注并保持持久的研究熱度。
　　 至今已提出上千種基于不同理論的分割方法，但尚未形成統(tǒng)一的理論框架來指導(dǎo)分割方法的設(shè)計(jì)與實(shí)現(xiàn)。作為一種基于曲線演化理論的分割方法，主動(dòng)輪廓模型方

2、法通過構(gòu)造能量泛函將低層圖像數(shù)據(jù)和高層信息有效結(jié)合，然后通過求解泛函極值實(shí)現(xiàn)分割圖像，最有希望形成分割的統(tǒng)一模型和框架。經(jīng)過二十多年的發(fā)展，主動(dòng)輪廓模型已經(jīng)形成一系列較為完整和體系化的方法，成為圖像分割的一個(gè)重要分支。本文在幾何主動(dòng)輪廓模型(即水平集方法)框架下，以靜止圖像作為研究對(duì)象，試圖從降低分割結(jié)果對(duì)初始曲線依賴程度；完善圖像特征描述以期獲得更好的分割效果；優(yōu)化演化速度和停止條件避免弱邊緣泄漏；引入形狀先驗(yàn)提高分割方法的形狀選擇性

3、等幾個(gè)方面提升現(xiàn)有水平集圖像分割方法的分割效果。論文的主要?jiǎng)?chuàng)新點(diǎn)概括如下：
　　 (1)提出一種基于水平集接力的圖像分割方法。該方法在圖像域中交替地生成嵌套子區(qū)域并在其中演化曲線，當(dāng)嵌套子區(qū)域的面積為零時(shí)實(shí)現(xiàn)對(duì)圖像的完全分割。水平集接力的方法使用一個(gè)水平集函數(shù)在多個(gè)嵌套子區(qū)域中接力地分割圖像，該方法可以檢測(cè)到更多的內(nèi)邊緣，分割結(jié)果不依賴初始曲線。
　　 (2)提出一種基于張量水平集的圖像分割方法。利用圖像灰度信息和Gab

4、or特征構(gòu)造像素的高階張量表示，這種表示方法在提供更完整的圖像特征的同時(shí)保持了像素之間的幾何關(guān)系；然后通過定義張量之間的加權(quán)距離，提出了基于張量水平集的分割方法。該方法對(duì)噪聲表現(xiàn)出更好的魯棒性，改善了對(duì)非勻質(zhì)目標(biāo)的分割效果，同時(shí)由于使用了圖像的Gabor 特征，該方法也能分割紋理圖像。
　　 (3)提出一種基于非線性自適應(yīng)水平集的圖像分割方法。通過區(qū)域信息自動(dòng)決定曲線的演化方向，使演化對(duì)初始曲線的位置魯棒；設(shè)計(jì)非線性的演化速度函

5、數(shù)使得曲線在圖像邊緣處演化速度較慢，而在目標(biāo)或背景等勻質(zhì)區(qū)域速度較快，有效防止邊緣泄漏的發(fā)生；設(shè)計(jì)概率加權(quán)的停止條件以強(qiáng)調(diào)目標(biāo)附近的邊緣而抑制遠(yuǎn)離目標(biāo)的邊緣，有助于在識(shí)別模糊邊緣的同時(shí)還能更好地檢測(cè)到圖像中的真實(shí)邊緣。該方法結(jié)合圖像中的邊緣和區(qū)域信息，降低了分割方法對(duì)于曲線初始位置的依賴程度，同時(shí)改善了對(duì)具有模糊邊緣的目標(biāo)以及與背景灰度相似的目標(biāo)的分割效果。
　　 (4)提出一種基于形狀先驗(yàn)水平集的圖像分割方法。通過使用基于矩的

6、圖像對(duì)齊方法去除形狀先驗(yàn)(使用水平集函數(shù)作為形狀描述子)的尺度、位置和方向信息，這種對(duì)齊方式是一種無參數(shù)的方式，不需要迭代計(jì)算變換參數(shù)；使用保局映射(Locality Preserving Projections，LPP)將形狀先驗(yàn)投影到低維子空間中進(jìn)行概率密度估計(jì)并以此構(gòu)造形狀驅(qū)動(dòng)的能量項(xiàng)，在一定程度上解決了形狀先驗(yàn)在樣本觀測(cè)空間中的稀疏分布問題。該方法本質(zhì)上是通過向水平集的能量泛函中加入形狀約束，以便分割圖像中被遮擋的目標(biāo)，同時(shí)對(duì)于