【摘要】：變分法之所以成為圖像分割理論研究的熱點問題是因其建模過程比較容易、方法的擴展性較好、實現(xiàn)過程簡單,已成為圖像分割處理范圍中較為有效且廣泛使用的方法之一。針對圖像分割算法目前所存在的問題,本文意在提高分割結果的準確度和魯棒性,降低圖像分割的時間復雜度,對使用變分水平集法進行圖像的分割處理做了較深入的探討,研究兩種變分方法實現(xiàn)圖像分割。由于傳統(tǒng)的活動輪廓存在對圖像分割魯棒性欠好的問題,本文將區(qū)域相關的輪廓模型(Active Contours without Edge,CV模型)和梯度相關的輪廓模型(Geodesic Active Contour,GAC模型)結合使用,通過圖像熵與圖像的梯度和將兩部分進行結合。首先,將圖像熵與圖像梯度和擬合為權重因子,構建基于圖像梯度的輪廓模型和基于圖像區(qū)域的輪廓模型相結合的分割模型。其次,將水平集函數(shù)方法應用到模型中,這樣模型在分割過程能夠連續(xù),也可以適應拓撲變化。最后,為了提升曲線演化的速度,論文采用窄帶方法使活動曲線能夠快速演化。通過實驗證明,使用該模型方法分割圖像,其魯棒性較好,同時分割速度也較快。傳統(tǒng)活動輪廓分割圖像時間復雜度有時不甚理想,本文設計了基于輪廓鄰域梯度進行擬合的活動輪廓模型。該模型通過計算輪廓線鄰域梯度值,并用計算出的梯度值作為閾值來擬合迭代函數(shù),從而減小分割圖像的時間復雜度。通過實驗能夠證明,本文算法能夠有效快速地分割圖像,并有較小的時間復雜度。兩種改進的變分技術能夠較好地提高圖像分割質量,為圖像分割技術在生物工程、醫(yī)療領域和工業(yè)設計等諸多方面的應用提供技術支持。
[Abstract]:Variational method has become one of the most effective and widely used methods in image segmentation because its modeling process is easy, its expansibility is better, and its realization process is simple. Aiming at the existing problems of image segmentation algorithm, this paper aims to improve the accuracy and robustness of segmentation results and reduce the time complexity of image segmentation. Two variational methods for image segmentation are studied. Because the traditional active contour is not robust to image segmentation, the region-dependent contour model (Active Contours without Edge,CV model) and gradient dependent contour model (Geodesic Active Contour,GAC model) are used in this paper. The image entropy is combined with the gradient of the image and the two parts are combined. Firstly, image entropy and image gradient fitting are used as weight factors, and a segmentation model based on image gradient and image region based contour model is constructed. Secondly, the level set function method is applied to the model, so that the model can be continuous in the segmentation process and can also adapt to the topological changes. Finally, in order to improve the speed of curve evolution, the narrow band method is used to make the activity curve evolve rapidly. Experimental results show that the proposed method is robust and fast. The time complexity of traditional active contour segmentation is not ideal. In this paper, an active contour model based on contour neighborhood gradient fitting is designed. By calculating the contour neighborhood gradient value and using the calculated gradient value as the threshold to fit the iterative function, the model reduces the time complexity of image segmentation. Experimental results show that the proposed algorithm can segment images efficiently and quickly, and has less time complexity. The two improved variational techniques can improve the image segmentation quality and provide technical support for the application of image segmentation technology in bioengineering, medical field and industrial design.
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 葛玉峰,周宏平,鄭加強,張慧春;基于相對色彩因子的樹木圖像分割算法[J];南京林業(yè)大學學報(自然科學版);2004年04期

2 王成儒;倪永婧;;自動化技術中圖像分割算法的評價[J];云南大學學報(自然科學版);2005年S2期

3 桂波;何興恒;胡多;付少先;;一種結合先驗知識的遺傳圖像分割算法[J];軟件導刊;2005年16期

4 莊健,余清,王孫安;基于玻耳茲曼原理的圖像分割算法[J];西安交通大學學報;2005年05期

5 王成儒;倪永婧;;基于精度依據(jù)準則的圖像分割算法評價[J];微計算機信息;2006年13期

6 吉李滿;;圖像分割算法的應用與評價[J];吉林工程技術師范學院學報;2006年09期

7 張_8;羅代升;周雪蓮;;一種新的超聲波心動圖像分割算法[J];成都信息工程學院學報;2007年03期

8 李彬;陳武凡;顏剛;;基于模糊馬爾可夫場的腦部MR圖像分割算法[J];計算機工程與應用;2007年07期

9 李云峰;曹渝昆;朱慶生;汪成亮;;基于小波域隱馬模型的樹木類圖像分割算法[J];計算機應用研究;2007年08期

10 侯艷麗;;一種基于同組的圖像分割算法[J];科技信息;2010年05期

相關會議論文 前10條

1 張峰;申功勛;;一種適用于天文導航的快速圖像分割算法[A];中國航空學會控制與應用第十二屆學術年會論文集[C];2006年

2 楊衛(wèi)平;李忠科;王勇;呂培軍;;基于區(qū)域的圖像分割算法綜述[A];第十七屆全國測控計量儀器儀表學術年會（MCMI'2007）論文集（上冊）[C];2007年

3 萬永菁;楊大毛;;一種圖像分割算法在纖維增強復合材料圖像處理中的應用(英文)[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 蔣一明;王克勇;鄭鏈;宋承天;;坦克目標紅外圖像分割算法研究[A];2007年光電探測與制導技術的發(fā)展與應用研討會論文集[C];2007年

5 陳亮;葉旭鳴;俞利;;一種基于圖論的圖像分割算法[A];全國第4屆信號和智能信息處理與應用學術會議論文集[C];2010年

6 趙海英;楊一帆;徐光美;;基于邊緣形態(tài)變換的彩色織物圖像分割算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

7 魯勝強;桂預風;;基于灰色遺傳的圖像分割算法研究[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

8 傅明建;劉秉瀚;;一種腎小管病理圖像分割算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

9 毋立芳;涂玲;申偉;;一種魯棒的圖像分割算法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

10 李景福;龍志軍;張報山;包晨陽;;一種改進的紅外圖像分割算法[A];2007年中國農業(yè)工程學會學術年會論文摘要集[C];2007年

相關重要報紙文章 前1條

1 王小龍;美開發(fā)出基于熱映像的圖像分割算法[N];科技日報;2011年

相關博士學位論文 前10條

1 許曉麗;基于聚類分析的圖像分割算法研究[D];哈爾濱工程大學;2012年

2 車娜;基于偏移場的核磁共振腦圖像分割算法研究[D];吉林大學;2013年

3 皮志明;結合深度信息的圖像分割算法研究[D];中國科學技術大學;2013年

4 依玉峰;圖像分割算法的研究與應用[D];東北大學;2012年

5 李艷靈;基于聚類的圖像分割算法研究[D];華中科技大學;2009年

6 顏剛;基于模糊馬爾可夫場的圖像分割算法研究[D];第一軍醫(yī)大學;2005年

7 李彬;基于模糊隨機模型的磁共振腦部圖像分割算法研究[D];第一軍醫(yī)大學;2007年

8 錢曉華;圖像分割算法和CT缺血性腦中風檢測算法研究[D];吉林大學;2012年

9 余學飛;基于模糊理論的醫(yī)學圖像分割算法研究[D];南方醫(yī)科大學;2009年

10 劉毅;基于圖割的交互式圖像分割算法研究[D];南京理工大學;2013年

相關碩士學位論文 前10條

1 穆易;復雜背景下樹干圖像分割算法及其識別系統(tǒng)的研究[D];天津理工大學;2015年

2 張巍;多源圖像的分割與識別算法研究[D];上海交通大學;2015年

3 靳鑫;基于Android平臺圖像分割算法研究及系統(tǒng)實現(xiàn)[D];山東大學;2015年

4 明鏑;皮膚鏡圖像分割算法研究[D];電子科技大學;2014年

5 胡長松;基于模糊聚類的腦部MRI醫(yī)學圖像分割算法的研究與實現(xiàn)[D];電子科技大學;2014年

6 張加瑞;基于模糊均值聚類的腦MR圖像分割算法的研究[D];東北大學;2013年

7 沈灝;基于模糊聚類理論的圖像分割算法研究[D];中北大學;2015年

8 程園;圖切交互式彩色圖像分割算法研究[D];西安電子科技大學;2014年

9 王曉明;基于視覺注意機制的圖像分割算法研究[D];國防科學技術大學;2013年

10 王靜;圖像分割算法的研究與應用[D];延安大學;2015年

，

本文編號：2417150