圖像分割是圖像處理領(lǐng)域中的一個重要研究方向。它能將圖像中感興趣的區(qū)域從背景中檢測出來,是后續(xù)目標(biāo)識別與特征分析的基礎(chǔ),廣泛應(yīng)用于人工智能、三維重建、醫(yī)學(xué)圖像分析等諸多領(lǐng)域。但是,真實圖像通常會受到噪聲干擾,并且存在諸如邊界模糊、灰度不均勻等問題,給圖像分割帶來一定的困難。在現(xiàn)有的圖像分割方法中,水平集算法由于具有數(shù)學(xué)理論嚴(yán)謹(jǐn)、算法容易實現(xiàn)、能處理傳統(tǒng)的參數(shù)活動輪廓模型不能處理的拓?fù)浣Y(jié)構(gòu)等優(yōu)勢,受到廣泛的關(guān)注和應(yīng)用。水平集算法有很多,本文對較為經(jīng)典的距離規(guī)則水平集演化（DRLSE）模型展開研究。該模型能夠有效分割出同質(zhì)圖像的邊界,但是它的初始輪廓必須完全包圍目標(biāo)或者完全設(shè)置在目標(biāo)內(nèi)部,并且其抗噪聲能力差,在弱邊界處容易發(fā)生邊界泄漏的現(xiàn)象。針對上述這些問題,本文對模型進(jìn)行了一定的改進(jìn),主要內(nèi)容如下:（1）設(shè)計了一個柔性的目標(biāo)符號函數(shù),用于提高DRLSE模型對初始輪廓位置的魯棒性。該函數(shù)利用輪廓線內(nèi)外區(qū)域的灰度平均值與圖像信息之間的關(guān)系,使其在目標(biāo)邊界兩側(cè)具有相反的符號,能夠讓輪廓線根據(jù)此特征自適應(yīng)地選擇向內(nèi)或是向外演化,減少了模型對初始輪廓位置的依賴。同時,該函數(shù)還能反映大小,在圖像清晰時... 

【文章來源】：蘇州大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－３三維水平集函數(shù)隱式表示二維曲線??

基于全局?jǐn)M合和目標(biāo)符號函數(shù)的水平集分割算法?第二章變分水平集方法概述??而曲線則可以隨著水平集的變化自然地改變其拓?fù)浣Y(jié)構(gòu)。如圖２－４所示。??（２）容易進(jìn)行數(shù)值計算。水平集方法將求解曲線位置問題轉(zhuǎn)化為求解能量泛函??最小值問題，在實際的算法執(zhí)行中，只要根據(jù)偏微分方程不斷迭代水平集，使零水平??集到達(dá)能量最小處，就可以得到最終的曲線。避免了直接參數(shù)化曲線的復(fù)雜計算。??（３）容易擴(kuò)展到高維。比如，水平集可以將三維曲面擴(kuò)展到高一維，這對于三??維圖像的分割是有用的。??ａＺ?５?＝?０?個乂??分裂、Ｈ?、??爾??ｚ?＜ｐ｛ｘ，ｙ，ｔｘ）?ｚ?＝?（／＞｛ｘ，ｙ，ｔ２）??Ｉ?Ｃ（ｔ＇）?７?／Ｃ（／，）?Ｃ（／〇?／??Ｉｆｐｒ??圖２－４水平集演化示意圖??２．?３．?２歐拉－拉格朗日方程和梯度下降流??基于水平集的活動輪廓模型需要構(gòu)建能量泛函，當(dāng)能量達(dá)到最小值時，零水平集??就落在了邊界處。歐拉－拉格朗日方程（Ｅｕｌｅｒ－Ｌａｇｒａｎｇｅ）是變分法中的重要應(yīng)用，也??是求解泛函極值的常用方法。以最簡泛函為例，其表達(dá)式為：??Ｅ｛ｔｐ）＝?ｆ?＇?Ｆ（ｘ，（ｊ），（ｊ）ｘ）ｄｘ?（２－１８）??其中，么Ｗ，并且，多（Ｘ）滿足邊界條件多（ｘｆｌ）?＝?７０和盧少??假設(shè)五（釣存在最優(yōu)解外為，引入測量函數(shù)ｖ〇ｃ），則函數(shù)０〇）?＋?ｖ（ｘ）所對應(yīng)的能量??泛函是￡Ｘ＾?＋?ｖ），如果ｖ（ｘ）很小，那么就有如下等式：??１３??

第三章目標(biāo)符號函數(shù)?基于全局?jǐn)M合和目標(biāo)符號函數(shù)的水平集分割算法??雨＿棚??ａ?＝?１．５?ａ?＝?１．５?ａ?＝?－＼．５?ａ?＝?—１．５?ａ?＝?—１．５??圖３－１在不同初始輪廓不同《值下ＤＲＬＳＥ模型的分割結(jié)果。其中，綠線表示初始輪??廓，藍(lán)線表示演化過程，紅線表示分割結(jié)果。??３．?２目標(biāo)符號函數(shù)的構(gòu)造??３．２．１目標(biāo)符號函數(shù)的函數(shù)表示??針對ＤＲＬＳＥ模型對初始輪廓敏感的問題，本文設(shè)計了如下柔性的目標(biāo)符號函數(shù)：??ｙ／（Ｉ，?ｃｘ，ｃ２）?＝?ａｒｃｔ＾＾／＾?（ｘ，?ｙ）?－?ｃ，?｜?－＼ｌａ?（ｘ，?ｙ）?－?ｃ２１）?／?ｒ）?（３－１）??式３－１中，／＾表示經(jīng)標(biāo)準(zhǔn)差為的高斯核函數(shù)濾波后的圖像，ｒ是與圖像標(biāo)準(zhǔn)差有關(guān)??的參數(shù)，ｒ?＝?４５／ｐ（／），９和（：２分別是輪廓線Ｃ內(nèi)外區(qū)域的灰度平均值，以及ｑ、??Ｃ２計算方式如下：??ｙ０（／）?＝?ｌｌＳ５ｉ?（３－２）??＼?Ｉａ｛ｘ，ｙ）Ｈ｛－（／））ｄｘｄｙ??Ｑ?＾????＼Ｈ｛－（ｊ））ｄｘｄｙ??．?（３－３）??＿?少）好（約辦辦??２?＼ｎＨ（＜ｐ）ｄｘｄｙ??式３－２中，Ｓ表示圖像的標(biāo)準(zhǔn)差。??Ｖ在目標(biāo)邊界的兩側(cè)具有相反的符號，并且能自適應(yīng)調(diào)節(jié)強度大小進(jìn)而調(diào)整曲線??演化的速率。在Ｖ的指示下，零水平集能夠自動選擇能夠使面積項能量為０的方向演??化，在正區(qū)域自動收縮，負(fù)區(qū)域自動擴(kuò)張，并最終落到需要的邊界處。??２０??

【參考文獻(xiàn)】：
期刊論文
[1]基于形狀先驗活動輪廓的焊接圖像熔池分割方法[J]. 羅祥,王宗義,褚慧慧,劉富強.  焊接學(xué)報. 2017(11)
[2]一種自適應(yīng)初始輪廓的水平集演化方法的研究[J]. 翁桂榮,朱云龍,錢森.  電子學(xué)報. 2017(11)
[3]一種基于多特征的距離正則化水平集快速分割方法[J]. 于海平,何發(fā)智,潘一騰,陳曉.  電子學(xué)報. 2017(03)
[4]基于水平集的人腦MR圖像分割方法[J]. 張榮國,高靜雅,李富萍,劉小君.  北京工業(yè)大學(xué)學(xué)報. 2017(02)
[5]形狀約束下活動輪廓模型冠脈血管圖像多尺度分割[J]. 郭笑妍,梅雪,李振華,曹佳松,周宇.  中國圖象圖形學(xué)報. 2016(07)
[6]基于參數(shù)活動輪廓模型的圖像分割新方法[J]. 胡學(xué)剛,劉杰.  計算機應(yīng)用. 2016(03)
[7]基于區(qū)域生長的極光圖像分割方法[J]. 王妍,王履程,鄭玉甫,雷濤.  計算機工程與應(yīng)用. 2016(23)
[8]基于紋理差異度引導(dǎo)的DRLSE病蟲害圖像精準(zhǔn)分割方法[J]. 趙瑤池,胡祝華,白勇,曹鳳勤.  農(nóng)業(yè)機械學(xué)報. 2015(02)
[9]活動輪廓模型的圖像分割方法綜述[J]. 王相海,方玲玲.  模式識別與人工智能. 2013(08)
[10]一種改進(jìn)的醫(yī)學(xué)圖像分水嶺分割算法[J]. 陳家新,王紀(jì)剛.  計算機應(yīng)用研究. 2013(08)

博士論文
[1]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

碩士論文
[1]基于活動輪廓模型的醫(yī)學(xué)序列圖像分割研究[D]. 游傳政.電子科技大學(xué) 2018
[2]基于水平集理論框架的成像目標(biāo)分割與跟蹤技術(shù)研究[D]. 羅健.電子科技大學(xué) 2017
[3]基于主動輪廓模型的紅外圖像分割方法研究[D]. 湯茂飛.南京理工大學(xué) 2015
[4]基于水平集的圖像分割算法[D]. 袁曉輝.華中科技大學(xué) 2013
[5]基于正則化水平集方法的醫(yī)學(xué)圖像分割[D]. 閆桂霞.中南大學(xué) 2013
[6]基于改進(jìn)遺傳算法的圖像分割方法[D]. 喬陽.電子科技大學(xué) 2013



本文編號：3565677