圖像分割是一個(gè)基礎(chǔ)且重要的圖像處理領(lǐng)域研究方向。很多專家學(xué)者對(duì)其進(jìn)行了研究并提出了大量基于不同理論的圖像分割方法,其中變分水平集的活動(dòng)輪廓模型由于其堅(jiān)實(shí)的理論基礎(chǔ)和好的實(shí)驗(yàn)效果,受到廣大學(xué)者的關(guān)注。變分水平集活動(dòng)輪廓模型通過(guò)極小化關(guān)于水平集函數(shù)的能量泛函實(shí)現(xiàn)圖像分割,其中的能量泛函主要包含兩項(xiàng):數(shù)據(jù)保真項(xiàng)和正則化項(xiàng)。很多學(xué)者對(duì)數(shù)據(jù)保真項(xiàng)和正則項(xiàng)做了大量的研究,取得了很多有效的成果,但是還是存在很多有待改進(jìn)的地方,比如對(duì)灰度不均圖像和噪聲圖像處理的魯棒性等問(wèn)題。為了能夠較好地處理灰度不均圖像和噪聲圖像,本文對(duì)數(shù)據(jù)保真項(xiàng)和正則項(xiàng)進(jìn)行了一些研究改進(jìn),其主要內(nèi)容如下:1.提出了一種基于核度量的局部圖像擬合（KLIF）能量的變分水平集模型,用于分割具有噪聲和灰度不均的圖像。首先,通過(guò)極小化基于核度量數(shù)據(jù)項(xiàng)的能量泛函來(lái)獲得局部核擬合圖像（KLFI）。然后,利用此局部核擬合圖像,構(gòu)建局部圖像擬合能量,建立了一個(gè)變分水平集模型。此外,在能量中采用了兩個(gè)正則化項(xiàng),以在進(jìn)化過(guò)程中使水平集函數(shù)保持穩(wěn)定。最后,采用不動(dòng)點(diǎn)迭代算法和三步時(shí)間分解的梯度下降法分別交替更新局部擬合圖像和水平集函數(shù)。實(shí)驗(yàn)結(jié)果表明,提出... 

【文章來(lái)源】：湖北民族大學(xué)湖北省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 活動(dòng)輪廓圖像分割的研究現(xiàn)狀
    1.3 本文主要內(nèi)容和結(jié)構(gòu)安排
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 結(jié)構(gòu)安排
第2章 活動(dòng)輪廓的相關(guān)基礎(chǔ)理論
    2.1 曲線演化問(wèn)題
    2.2 水平集方法
        2.2.1 水平集理論
        2.2.2 變分理論
    2.3 幾種經(jīng)典的圖像模型
        2.3.1 MS模型
        2.3.2 CV模型
        2.3.3 LBF模型
        2.3.4 LIF模型
        2.3.5 LRICF模型
    2.4 本章小結(jié)
第3章 基于核度量的局部擬合活動(dòng)輪廓模型
    3.1 引言
    3.2 核度量
    3.3 基于核度量的局部擬合圖像分割模型
        3.3.1 本文模型
1（x）和f₂（x）">        3.3.2 求解f₁（x）和f₂（x）
        3.3.3 求解φ
        3.3.4 計(jì)算K(I（y）,f（x）中的σ
    3.4 設(shè)置初始條件和模型算法
    3.5 數(shù)值實(shí)驗(yàn)
        3.5.1 對(duì)提出的模型進(jìn)行簡(jiǎn)單的測(cè)試
        3.5.2 CV, LBF, LIF和我們的模型對(duì)比
        3.5.3 對(duì)噪聲圖像的處理
        3.5.4 對(duì)不同噪聲圖像的處理
    3.6 本章小結(jié)
第4章 結(jié)合余弦擬合能量與pLaplace正則項(xiàng)的圖像分割模型
    4.1 引言
    4.2 pLaplace正則項(xiàng)
    4.3 基于余弦擬合圖像分割模型
        3.3.1 本文模型
1和c₂">        3.3.2 求解c₁和c2

        3.3.3 求解φ
    4.4 數(shù)值實(shí)驗(yàn)
        4.4.1 初始輪廓的魯棒性
        4.4.2 對(duì)灰度不均圖像的分割
        4.4.3 對(duì)真實(shí)圖像的分割
        4.4.4 對(duì)噪聲圖像的分割
        4.4.5 與其他的模型比較
    4.5 本章小結(jié)
第5章 全文總結(jié)
    5.1 全文總結(jié)
    5.2 工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的研究成果、參加學(xué)術(shù)會(huì)議及獲獎(jiǎng)
致謝


【參考文獻(xiàn)】：
博士論文
[1]圖像增強(qiáng)的變分模型與數(shù)值計(jì)算[D]. 王偉.重慶大學(xué) 2017
[2]圖像分割的變分模型及數(shù)值實(shí)現(xiàn)[D]. 吳永飛.重慶大學(xué) 2016
[3]圖像復(fù)原問(wèn)題變分模型和算法研究[D]. 劉俊.電子科技大學(xué) 2015
[4]圖像分割的變分模型與數(shù)值計(jì)算[D]. 陳強(qiáng).重慶大學(xué) 2014
[5]基于變分方法的圖像分割和圖像恢復(fù)研究[D]. 馬麗艷.北京交通大學(xué) 2013

碩士論文
[1]彩色眼底圖像的血管分割方法研究[D]. 孫妤喆.廣西師范大學(xué) 2017



本文編號(hào)：2941728

suoshi