隨著計算機科學技術的快速發(fā)展,圖像已成為人們傳輸和獲取信息的重要途徑。人們往往僅對圖像中的某些部分感興趣,因此需要對圖像進行分割,提取人們感興趣的區(qū)域。圖像分割是圖像分析和圖像理解的基礎,已廣泛應用于醫(yī)學影像、遙感工程、氣象預測、智能交通和國防軍事等領域。由于圖像本身的質量和內容多樣性等問題,圖像分割仍然面臨著很多困難和挑戰(zhàn),如對存在灰度不均勻性、噪聲和復雜背景等圖像的分割。水平集方法是一種經典的基于主動輪廓模型的圖像分割方法,其可以得到亞像素級精度以及光滑、封閉的輪廓曲線,并能夠處理復雜的拓撲變化,已廣泛應用到圖像分割領域。然而,水平集方法本身仍存在一些需要改進的方面,如對初始輪廓敏感、容易陷入局部極小解和水平集演化速度慢等。本文以水平集理論為基礎,針對存在灰度不均勻性、噪聲和復雜背景等圖像的分割算法展開研究,同時,將水平集分割方法與相關濾波相結合,應用于視頻目標跟蹤。論文的主要研究內容和成果如下:1.針對灰度不均勻圖像分割效率低的問題,提出一種尺度自適應快速水平集圖像分割算法。首先,根據灰度不均勻圖像模型,提出一種基于區(qū)域信息的壓力函數,并用來構建一種新的能量泛函。然后,通過最小化... 

【文章頁數】：149 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 圖像分割方法研究現狀
        1.2.1 傳統(tǒng)圖像分割方法
        1.2.2 基于特定理論的圖像分割方法
    1.3 基于水平集的圖像分割算法研究現狀
    1.4 論文主要研究內容和章節(jié)安排
第二章 水平集方法理論基礎
    2.1 引言
    2.2 曲線演化理論
    2.3 水平集方法基本原理
        2.3.1 曲線的水平集表示
        2.3.2 變分法和梯度下降流
        2.3.3 數值實現
    2.4 水平集分割模型
    2.5 本章小結
第三章 尺度自適應快速水平集圖像分割方法
    3.1 引言
    3.2 灰度不均勻圖像模型
    3.3 尺度自適應快速水平集分割算法
        3.3.1 基于區(qū)域的壓力函數
        3.3.2 偏移場初始化
        3.3.3 自適應尺度算子
        3.3.4 數值實現
        3.3.5 多相水平集
    3.4 仿真實驗與分析
        3.4.1 評價準則
        3.4.2 兩相分割
        3.4.3 多相分割
    3.5 本章小結
第四章 自適應多層水平集圖像分割方法
    4.1 引言
    4.2 改進的局部強度聚類水平集分割算法
        4.2.1 自適應尺度算子
        4.2.2 改進的局部強度聚類分割算法
        4.2.3 仿真實驗與分析
    4.3 自適應多層水平集分割算法
        4.3.1 自適應多層水平集結構
        4.3.2 水平集演化和數值計算
        4.3.3 仿真實驗與分析
    4.4 本章小結
第五章 基于核度量的混合水平集圖像分割方法
    5.1 引言
    5.2 核度量
    5.3 基于核度量的混合水平集分割算法
        5.3.1 改進的多尺度均值濾波器
        5.3.2 能量泛函
        5.3.3 水平集演化和數值實現
        5.3.4 多相水平集
    5.4 仿真實驗與分析
        5.4.1 兩相分割
        5.4.2 多相分割
    5.5 本章小結
第六章 基于相關濾波和水平集的視頻目標跟蹤方法
    6.1 引言
    6.2 CSR-DCF模型
        6.2.1 相關濾波
        6.2.2 空間約束相關濾波
    6.3 基于相關濾波和水平集的視頻跟蹤算法
        6.3.1 基于水平集的目標區(qū)域估計
        6.3.2 自適應權重約束相關濾波
        6.3.3 尺度估計和目標定位
        6.3.4 模型更新
    6.4 仿真實驗與分析
        6.4.1 數據集和評價準則
        6.4.2 定量分析
        6.4.3 定性分析
        6.4.4 消融分析
    6.5 本章小結
第七章 總結與展望
    7.1 工作總結
    7.2 研究展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于深度學習的圖像語義分割方法綜述[J]. 田萱,王亮,丁琪.  軟件學報. 2019(02)
[2]彩色圖像分割方法綜述[J]. 楊紅亞,趙景秀,徐冠華,劉爽.  軟件導刊. 2018(04)
[3]圖像分割方法綜述研究[J]. 周莉莉,姜楓.  計算機應用研究. 2017(07)
[4]圖像分割綜述[J]. 趙春燕,閆長青,時秀芳.  中國科技信息. 2009(01)
[5]圖像分割方法綜述[J]. 羅希平,田捷,諸葛嬰,王靖,戴汝為.  模式識別與人工智能. 1999(03)



本文編號：3674898