發(fā)布時(shí)間：2019-01-28 17:59

【摘要】：變分法之所以成為圖像分割理論研究的熱點(diǎn)問(wèn)題是因其建模過(guò)程比較容易、方法的擴(kuò)展性較好、實(shí)現(xiàn)過(guò)程簡(jiǎn)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(duì)圖像分割算法目前所存在的問(wèn)題,本文意在提高分割結(jié)果的準(zhǔn)確度和魯棒性,降低圖像分割的時(shí)間復(fù)雜度,對(duì)使用變分水平集法進(jìn)行圖像的分割處理做了較深入的探討,研究?jī)煞N變分方法實(shí)現(xiàn)圖像分割。由于傳統(tǒng)的活動(dòng)輪廓存在對(duì)圖像分割魯棒性欠好的問(wèn)題,本文將區(qū)域相關(guān)的輪廓模型(Active Contours without Edge,CV模型)和梯度相關(guān)的輪廓模型(Geodesic Active Contour,GAC模型)結(jié)合使用,通過(guò)圖像熵與圖像的梯度和將兩部分進(jìn)行結(jié)合。首先,將圖像熵與圖像梯度和擬合為權(quán)重因子,構(gòu)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(jié)合的分割模型。其次,將水平集函數(shù)方法應(yīng)用到模型中,這樣模型在分割過(guò)程能夠連續(xù),也可以適應(yīng)拓?fù)渥兓�。最�?為了提升曲線演化的速度,論文采用窄帶方法使活動(dòng)曲線能夠快速演化。通過(guò)實(shí)驗(yàn)證明,使用該模型方法分割圖像,其魯棒性較好,同時(shí)分割速度也較快。傳統(tǒng)活動(dòng)輪廓分割圖像時(shí)間復(fù)雜度有時(shí)不甚理想,本文設(shè)計(jì)了基于輪廓鄰域梯度進(jìn)行擬合的活動(dòng)輪廓模型。該模型通過(guò)計(jì)算輪廓線鄰域梯度值,并用計(jì)算出的梯度值作為閾值來(lái)擬合迭代函數(shù),從而減小分割圖像的時(shí)間復(fù)雜度。通過(guò)實(shí)驗(yàn)?zāi)軌蜃C明,本文算法能夠有效快速地分割圖像,并有較小的時(shí)間復(fù)雜度。兩種改進(jìn)的變分技術(shù)能夠較好地提高圖像分割質(zhì)量,為圖像分割技術(shù)在生物工程、醫(yī)療領(lǐng)域和工業(yè)設(shè)計(jì)等諸多方面的應(yīng)用提供技術(shù)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(xué)位授予單位】：長(zhǎng)春工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葛玉峰,周宏平,鄭加強(qiáng),張慧春;基于相對(duì)色彩因子的樹(shù)木圖像分割算法[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年04期

2 王成儒;倪永婧;;自動(dòng)化技術(shù)中圖像分割算法的評(píng)價(jià)[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S2期

3 桂波;何興恒;胡多;付少先;;一種結(jié)合先驗(yàn)知識(shí)的遺傳圖像分割算法[J];軟件導(dǎo)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(xué)學(xué)報(bào);2005年05期

5 王成儒;倪永婧;;基于精度依據(jù)準(zhǔn)則的圖像分割算法評(píng)價(jià)[J];微計(jì)算機(jī)信息;2006年13期

6 吉李滿;;圖像分割算法的應(yīng)用與評(píng)價(jià)[J];吉林工程技術(shù)師范學(xué)院學(xué)報(bào);2006年09期

7 張_8;羅代升;周雪蓮;;一種新的超聲波心動(dòng)圖像分割算法[J];成都信息工程學(xué)院學(xué)報(bào);2007年03期

8 李彬;陳武凡;顏剛;;基于模糊馬爾可夫場(chǎng)的腦部MR圖像分割算法[J];計(jì)算機(jī)工程與應(yīng)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(shù)木類圖像分割算法[J];計(jì)算機(jī)應(yīng)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(guān)會(huì)議論文 前10條

1 張峰;申功勛;;一種適用于天文導(dǎo)航的快速圖像分割算法[A];中國(guó)航空學(xué)會(huì)控制與應(yīng)用第十二屆學(xué)術(shù)年會(huì)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(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

3 萬(wàn)永菁;楊大毛;;一種圖像分割算法在纖維增強(qiáng)復(fù)合材料圖像處理中的應(yīng)用(英文)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

4 蔣一明;王克勇;鄭鏈;宋承天;;坦克目標(biāo)紅外圖像分割算法研究[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)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(guó)第4屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)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(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

7 魯勝?gòu)?qiáng);桂預(yù)風(fēng);;基于灰色遺傳的圖像分割算法研究[A];第九屆中國(guó)青年信息與管理學(xué)者大會(huì)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(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)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(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

10 李景福;龍志軍;張報(bào)山;包晨陽(yáng);;一種改進(jìn)的紅外圖像分割算法[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 王小龍;美開(kāi)發(fā)出基于熱映像的圖像分割算法[N];科技日?qǐng)?bào);2011年

相關(guān)博士學(xué)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(xué);2012年

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

3 皮志明;結(jié)合深度信息的圖像分割算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

4 依玉峰;圖像分割算法的研究與應(yīng)用[D];東北大學(xué);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(xué);2009年

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

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

8 錢曉華;圖像分割算法和CT缺血性腦中風(fēng)檢測(cè)算法研究[D];吉林大學(xué);2012年

9 余學(xué)飛;基于模糊理論的醫(yī)學(xué)圖像分割算法研究[D];南方醫(yī)科大學(xué);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(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

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

2 張巍;多源圖像的分割與識(shí)別算法研究[D];上海交通大學(xué);2015年

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

4 明鏑;皮膚鏡圖像分割算法研究[D];電子科技大學(xué);2014年

5 胡長(zhǎng)松;基于模糊聚類的腦部MRI醫(yī)學(xué)圖像分割算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);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(xué);2013年

7 沈?yàn)?基于模糊聚類理論的圖像分割算法研究[D];中北大學(xué);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(xué);2014年

9 王曉明;基于視覺(jué)注意機(jī)制的圖像分割算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

10 王靜;圖像分割算法的研究與應(yīng)用[D];延安大學(xué);2015年

，

本文編號(hào)：2417150