圖像分割是圖像處理、目標(biāo)檢測(cè)、模式識(shí)別、計(jì)算機(jī)視覺(jué)以及機(jī)器視覺(jué)等方面必不可少的組成部分,其在醫(yī)學(xué)圖像分析和遙感影像的提取等方面起著十分重要的作用。自上世紀(jì)九十年代以來(lái),基于活動(dòng)輪廓的圖像分割方法在圖像分割領(lǐng)域應(yīng)用的越來(lái)越廣泛,鑒于此圖像分割法在獲取目標(biāo)邊界精度時(shí),可以達(dá)到亞像素的級(jí)別,且所得到的輪廓是光滑封閉的,因此,對(duì)接下來(lái)進(jìn)行的圖像分析和目標(biāo)檢測(cè)提供了良好的基礎(chǔ)。本文旨在探索基于活動(dòng)輪廓的圖像分割算法模型,這類模型有利于對(duì)灰度分布不均勻的圖像進(jìn)行分割,但同時(shí)也存在一些局限性和問(wèn)題,例如該模型常常會(huì)出現(xiàn)對(duì)初始輪廓的設(shè)置敏感以及分割速度偏慢的情況。基于以上的思考,本文提出了兩種在原模型基礎(chǔ)上的創(chuàng)新點(diǎn):1.對(duì)基于局部擬合的活動(dòng)輪廓模型的演化方式進(jìn)行改進(jìn)。這個(gè)方法主要是在曲線演化時(shí),將局部區(qū)域內(nèi)出現(xiàn)符號(hào)相反的函數(shù)值進(jìn)行變號(hào)處理,即將這些相反的函數(shù)值進(jìn)行符號(hào)的統(tǒng)一,這樣一來(lái),在曲線不斷的演化過(guò)程中,輪廓內(nèi)部的擬合值就會(huì)一直比輪廓外部的擬合值大或者小,則整個(gè)曲線的演化都將沿著目標(biāo)的內(nèi)邊界或者外邊界,而不至于使最終的演化曲線停留在目標(biāo)的內(nèi)部,那么就可以解決當(dāng)能量最小化時(shí)陷入局部最優(yōu)解的問(wèn)題。此改... 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：50 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

改進(jìn)的LBF模型的算法流程圖

第4章基于局部預(yù)擬合活動(dòng)輪廓模型24第4章基于局部預(yù)擬合活動(dòng)輪廓模型4.1基于局部預(yù)擬合的方法由于上一章所提出的基于局部可變向擬合活動(dòng)輪廓模型與經(jīng)典的活動(dòng)輪廓模型相比只提高了分割的準(zhǔn)確率，但是卻沒(méi)有降低分割的時(shí)間，因此在本章中我們提出另一種改進(jìn)的活動(dòng)輪廓模型，即對(duì)目標(biāo)圖像的局部能量進(jìn)行預(yù)擬合。和經(jīng)典的局部擬合的模型相比，此改進(jìn)模型的計(jì)算量相對(duì)較低，而且分割的速度相對(duì)較快，與此同時(shí)，選擇的初始輪廓也會(huì)有較好的魯棒性。本節(jié)所提出的改進(jìn)的模型可以很簡(jiǎn)單的適用于大多數(shù)的經(jīng)典的基于局部區(qū)域擬合能量模型，并且可以提升分割效率，而且使改進(jìn)后的模型降低初始輪廓的選擇要求。根據(jù)模型的需要，我們先定義下面需要涉及到的函數(shù)：llssxmfmyyIeanxfmyyIeanxImyyIeanx|||1-4其中，yI所代表的是圖像上某一點(diǎn)y的灰度值，x代表的是在給定的圖像域內(nèi)，以x為活動(dòng)中心的區(qū)域，區(qū)域的大小為ww。式中代表平均運(yùn)算的是mean，代表lsx和、的平均灰度值的分別為xfxfxIlsm和、。s和l有以下的定義：xmlxmxyyxIIyyxII||2-4在區(qū)域x內(nèi)，所有灰度值小于平均灰度值的像素點(diǎn)組成的區(qū)域用s來(lái)表示，與之相反的是，所有灰度值大于平均灰度值的像素點(diǎn)組成的區(qū)域用l來(lái)表示。根據(jù)上述兩式，若給定一張圖片，假如已經(jīng)知道了某一點(diǎn)x還有對(duì)應(yīng)的x區(qū)域的尺寸，那么就可以直接的計(jì)算出xfs和xfl的值。如下圖4-1中將區(qū)域lsx和、以及分界線xC還有邊緣點(diǎn)x上的xfs和xfl的值都體現(xiàn)出來(lái)了。圖4-1模型示例圖，圖中白色粗壯線條為分界線xC,用來(lái)分開s和l，分割線左側(cè)為l，灰度均值為xfl，右側(cè)是s，灰度均值為xfs。

襝巒?2-5a，上述的能量函數(shù)的第一項(xiàng)近似于0，第2項(xiàng)也近似于0；當(dāng)所選取的曲線在目標(biāo)邊緣某一側(cè)的時(shí)候，像下圖2-5b，上述的能量函數(shù)的第一項(xiàng)遠(yuǎn)遠(yuǎn)的大于0，第二項(xiàng)近似于0；當(dāng)所選取的曲線穿過(guò)目標(biāo)邊緣的時(shí)候，像下圖2-5c，上述的能量函數(shù)的第一項(xiàng)遠(yuǎn)遠(yuǎn)的大于0，第二項(xiàng)也遠(yuǎn)遠(yuǎn)的大于0；當(dāng)所選取的曲線在目標(biāo)邊緣的另一側(cè)的時(shí)候，像下圖2-5d，上述的能量函數(shù)的第一項(xiàng)近似于0，第二項(xiàng)遠(yuǎn)遠(yuǎn)的大于0；因此，通過(guò)上面的對(duì)比分析可得，只有當(dāng)輪廓的位置處在在目標(biāo)邊界上的時(shí)候，上述公式得能量值才能被最小化。（a）（b）（c）(d)圖4-2曲線在不同位置對(duì)應(yīng)的能量值在普遍使用的局部擬合的活動(dòng)輪廓模型中，高斯核函數(shù)K因?yàn)樗木植炕奶卣鞫粡V泛的應(yīng)用到眾多模型中，高斯核函數(shù)還可以用來(lái)替代局部窗口函數(shù)x，所以，上述公式我們可以改寫為：KydyxfyIxKCEydyxfyIxCoutsidesCoutsidesx22||||4-4根據(jù)上述分析，為了保證圖像域中的所有點(diǎn)的合理性，我們需要將能量函數(shù)xE的積分最小化，隨之可得到下面的能量方程：KydxdyxfyIxKCEydxdyxfyIxCinsidelCoutsidesBLBF22||||5-4當(dāng)BLBFE取得最小值的時(shí)候，曲線C會(huì)把所有的在邊緣上的分界線xC都包含在其中，但是，我們也會(huì)發(fā)現(xiàn)在不是邊緣的地方也會(huì)有一些冗余的曲線，對(duì)于出現(xiàn)的這種情況，我們需要加入一個(gè)長(zhǎng)度約束項(xiàng)L，用此約束項(xiàng)來(lái)去除冗余的曲

【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)步長(zhǎng)下多閾值彩色圖像的全局分割方法[J]. 魯秋菊,拓守恒.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2019(01)
[2]基于局部特征空間中智模糊C-均值聚類的視網(wǎng)膜血管分割[J]. 黃木連.  信息通信. 2018(08)
[3]一種結(jié)合GMM和活動(dòng)輪廓的混合型圖像分割方法[J]. 陳明,林益賢.  小型微型計(jì)算機(jī)系統(tǒng). 2018(08)
[4]融入全局信息的局部擬合的活動(dòng)輪廓模型[J]. 吳宜平,沈明.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[5]引入局部全局信息的區(qū)域自適應(yīng)局域化快速活動(dòng)輪廓模型[J]. 廖祥云,袁志勇,鄭奇,童倩倩,賴虔葑,張貴安.  計(jì)算機(jī)學(xué)報(bào). 2016(07)
[6]一種基于線性化Bregman迭代的圖像去模糊新方法[J]. 喬田田,王際朝,李維國(guó),吳勃英.  中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(02)
[7]基于圖割的圖像分割方法及其新進(jìn)展[J]. 劉松濤,殷福亮.  自動(dòng)化學(xué)報(bào). 2012(06)
[8]基于Mean Shift隨機(jī)游走圖像分割算法[J]. 依玉峰,高立群,郭麗.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2011(11)
[9]基于相對(duì)模糊連接度的聯(lián)合主動(dòng)輪廓模型及其在醫(yī)學(xué)圖像分割中的應(yīng)用[J]. 賴凱,劉軍偉,范亞,黃煜峰,王興家,馮煥清.  北京生物醫(yī)學(xué)工程. 2010 (06)
[10]圖像分割的新理論和新方法[J]. 許新征,丁世飛,史忠植,賈偉寬.  電子學(xué)報(bào). 2010(S1)

博士論文
[1]魯棒的主動(dòng)輪廓圖像分割模型研究及其應(yīng)用[D]. 黃臣程.重慶大學(xué) 2015
[2]基于變分水平集的圖像分割方法研究[D]. 方江雄.上海交通大學(xué) 2012
[3]幾何活動(dòng)輪廓圖像分割模型的研究[D]. 孔丁科.浙江大學(xué) 2010

碩士論文
[1]基于邊緣信息的RGB-D圖像分割算法研究[D]. 董怡.南京郵電大學(xué) 2018
[2]融合局部和全局信息的活動(dòng)輪廓分割模型研究[D]. 張陳.深圳大學(xué) 2017



本文編號(hào)：3141075