醫(yī)學圖像和雷達圖像雖為灰度圖像,但由于儀器的檢測方式的固有缺點,使得所得到的圖像存在邊緣模糊和復雜的能量信息分布。自然彩色圖像往往存在多目標相同顏色和同目標不同顏色的問題,提高了識別的難度。水平集算法既可以作為預處理步驟,也可以用作最終分割結(jié)果的獲取,還可以將諸如聚類,閾值等預處理步驟添加到水平集模型中,還可以集成在其他分割算法(例如k均值)中。水平集算法具有良好的拓撲識別能力和穩(wěn)定的封閉輪廓保持能力。為了更加詳細了解水平集算法的特性,提升算法的性能,本文主要做了以下工作:(1)本文在總結(jié)近十年水平集算法的同時,還對常見算法在性能和優(yōu)缺點上進行了實驗對比,實驗圖像為醫(yī)學圖像和合成強度不均勻圖像。從性能上看,水平集算法在分割速度和穩(wěn)定性上都有較大提升,并且在抗噪優(yōu)化方面有顯著效果。在對比后總結(jié)了未來水平集發(fā)展可能的方向。(2)將泰勒擴展數(shù)值優(yōu)化和偏置域矯正代入傳統(tǒng)水平集能量項中,提升分割的穩(wěn)定性,將新的基于圖像數(shù)值均方差映射函數(shù)的能量信息項加入到水平集函數(shù)中。通過改進現(xiàn)有算法,提出了基于全局能量優(yōu)化和局部能量分割的水平集算法,從色彩空間圖像、函數(shù)多相處理和參數(shù)初始化等多方面進行算法優(yōu)化。...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作與章節(jié)安排
    1.4 本章總結(jié)
第二章 水平集圖像分割算法
    2.1 水平集算法原理
        2.1.1 曲線演進
        2.1.2 基于邊緣的水平集算法
        2.1.3 基于區(qū)域的水平集算法
    2.2 基于邊緣的算法
        2.2.1 約束水平集擴散 (CLSD)
        2.2.2 距離正則化水平集演進 (DRLSE)
        2.2.3 反應擴散 (RD)
        2.2.4 局部信息擬合
        2.2.5 加權(quán)水平集演進 (WLSE)
        2.2.6 SAR圖像中的L分布
    2.3 本章總結(jié)
第三章 區(qū)域能量水平集圖像分割方法
    3.1 基于區(qū)域的水平集算法分類
        3.1.1 聚類
        3.1.2 貝葉斯風險和貝葉斯分析
        3.1.3 分水嶺變換
        3.1.4 馬爾可夫隨機場 (MRF)
        3.1.5 圖割
        3.1.6 其他
    3.2 常見算法對比
        3.2.1 性能對比
        3.2.2 水平集的弊端及其發(fā)展
    3.3 本章總結(jié)
第四章 基于局部信息和全局映射的水平集算法
    4.1 基于局部偏置域矯正和均方差映射的水平集圖像分割算法
    4.2 算法優(yōu)化
        4.2.1 色彩空間優(yōu)化
        4.2.2 數(shù)值優(yōu)化
        4.2.3 多區(qū)域多相擴展
    4.3 總結(jié)
第五章 實驗分析對比
    5.1 提出的算法在灰度圖像中的應用
        5.1.1 初始化和迭代次數(shù)
        5.1.2 合成和真實圖像的分割結(jié)果
        5.1.3 醫(yī)學圖像的分割結(jié)果
        5.1.4 比較
    5.2 提出的算法在彩色圖像中的應用
    5.3 本章總結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
在學期間的研究成果
致謝



本文編號：3854825