圖像分割是以獲取圖像中人們感興趣的部分為目的,根據(jù)不同特征將圖像劃分成互不重疊、各具特性的子區(qū)域的過(guò)程,這一技術(shù)是對(duì)圖像作進(jìn)一步分析的前提和基礎(chǔ).經(jīng)過(guò)不斷的積累和發(fā)展,上千種不同類型的分割方法已被提出.由于圖像種類繁多,分割目的不同,所要提取的感興趣區(qū)域的差異等,使得無(wú)法形成一套通用的圖像分割算法,通常都是針對(duì)特定圖像,形成能解決具體問(wèn)題的圖像分割方法.基于水平集的幾何活動(dòng)輪廓分割方法因其獨(dú)有的優(yōu)勢(shì),成為圖像分割算法研究的熱點(diǎn).眾多知名學(xué)者在這個(gè)方向上做了大量的研究工作,但還有一些問(wèn)題未能很好地解決,例如初始輪廓的選取對(duì)圖像的分割結(jié)果有一定的影響,分割算法不能較好地處理非同質(zhì)圖像（指灰度值、亮度等圖像特征分布不均勻的圖像）,對(duì)噪聲魯棒性差等,這些問(wèn)題的解決有待繼續(xù)深入研究.基于此,本學(xué)位論文開展了如下工作:1.提出了一個(gè)自適應(yīng)的基于分?jǐn)?shù)階微分的幾何活動(dòng)輪廓分割新模型.為了提高傳統(tǒng)分割模型的抗噪能力,本學(xué)位論文結(jié)合分?jǐn)?shù)階微分、水平集和曲線演化等理論,構(gòu)造了一個(gè)包含全局項(xiàng)、局部項(xiàng)和正則項(xiàng)的新模型.全局項(xiàng)是一個(gè)壓力符號(hào)函數(shù)模型,用來(lái)控制曲線演化的方向.局部項(xiàng)將分?jǐn)?shù)階微分、分?jǐn)?shù)階微分梯度模、以... 

【文章來(lái)源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

控制曲線運(yùn)動(dòng)方向的示意

圖 3.13 中各圖像的中間一行像素點(diǎn)的灰度值變化情況.


本文編號(hào)：2958183