發(fā)布時間：2021-12-25 09:51

　　圖像分割是圖像處理前期的一個十分重要的步驟,準確的分割結(jié)果可以簡化圖像信息,減少圖像中的無關(guān)數(shù)據(jù),提高后續(xù)圖像處理任務的有效性。利用變分和偏微分方程的圖像分割方法在近年來得到快速發(fā)展,水平集的引入更是為其注入了新的活力。噪聲的污染加大了圖像分割工作的困難度,現(xiàn)有的分割模型主要是針對加性噪聲圖像,而乘性噪聲圖像的分割方法還沒有得到深入的研究。針對被乘性噪聲破壞的圖像,本文提出一類基于灰度水平集的兩階段快速分割模型。第一階段提出一個新的基于變分的乘性去噪模型對原始噪聲圖像進行去噪操作,作為第二階段分割的輔助工作;第二階段在僅包含區(qū)域擬合項的簡化CV模型框架下,提出一種基于離散的圖像灰度水平集的分割方法,對光滑后的圖像進行快速分割。在理論方面,利用變分法推導出新模型的梯度下降流方程,進行了理論分析,證明了泛函全局最小值的存在性。兩階段模型不需要進行水平集的重新初始化,在保證分割效果的基礎上縮短了分割時間。針對灰度不均勻的乘性噪聲圖像,本文受LIC模型的思想啟發(fā)提出一種改進的全局分割模型。利用簡化的梯度下降流方程結(jié)合全局凸分割的方法得到一個凸的能量泛函,然后引入了邊緣檢測函數(shù)得到了改進的全局模... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

Lenna圖像不同灰度水平集

帶有乘性噪聲的合成圖像分割

d)CV 二值圖 e)兩階段分割輪廓線 f)兩階段二值圖圖 3-1 分割乘性噪聲合成圖像表 3-1 分割圖像 CPU 時間圖像 CV 分割時間(s) 兩階段分割時間(s)合成圖像 10.2976 0.6359Cameraman 圖像肝臟圖像多區(qū)合成圖像25.948417.792927.60491.30131.54211.4002


本文編號：3552241