基于輪廓檢測的自然圖像分割方法研究.pdf

1、輪廓檢測和圖像分割是計算機視覺領域兩個最基本的關鍵問題。傳統的基于區(qū)域和邊緣的方法，不能同時兼顧抗噪性和檢測精度，難以滿足復雜分割應用的需要。自然圖像中的輪廓檢測算法主要是圍繞著梯度特征和曲線連續(xù)性特征進行圖像的概率輪廓的檢測，以亮度梯度顏色梯度和紋理梯度為基礎，用信息論中熵的概念對圖像全局信息、輪廓邊緣信息進行統計。
　　由于自然圖像的背景復雜，在進行圖像的輪廓檢測時可能會有一些重要輪廓丟失，從而會給接下來對象檢測和分析對象跟蹤

2、等工作帶來額外的困難，為此本文針對自然圖像分割做了如下研究工作：
　　首先，分析了圖像分割的發(fā)展歷程，研究了國內外各種圖像分割的典型方法，并歸類為基于邊緣，區(qū)域和活動輪廓模型三類，分別闡述了各自的優(yōu)缺點。
　　其次，本文重點研究了兩種不同的圖像分割方法，基于區(qū)域梯度信息的李純明模型和基于全局統計信息的輪廓檢測方法，并提出了一種基于輪廓檢測的自然圖像分割方法，該方法利用最小描述長度準則和變分水平集方法求解活動輪廓模型，分割出圖