本文關(guān)鍵詞：基于變分水平集理論的活動輪廓模型在圖像分割中的應(yīng)用研究

  更多相關(guān)文章： 圖像分割 水平集方法 灰度不均勻 核函數(shù) 局部灰度信息 凸優(yōu)化 全局約束函數(shù)

【摘要】：基于變分水平集的活動輪廓模型(Active Contour Model)是圖像分割技術(shù)的熱門理論,由于這種圖像分割算法綜合了人們對各種圖像數(shù)據(jù)的解釋和認識,更接近人類的視覺理解,因此得到了學(xué)者的廣泛關(guān)注和研究。水平集方法雖取得了諸多成果,但仍然處于發(fā)展階段,特別是在其理論和應(yīng)用方面的研究還需要不斷探索和完善。本論文針對經(jīng)典的水平集圖像分割模型對灰度不均勻和強噪聲圖像不能有效分割、容易陷入局部極小、運行速度慢等問題,做了以下創(chuàng)新性的工作:(1)針對低對比度和弱邊界對醫(yī)學(xué)圖像分割精度的影響,提出一種基于局部信息和全局信息動態(tài)結(jié)合的測地線活動輪廓模型。該模型結(jié)合圖像的局部和全局灰度信息構(gòu)造一個基于區(qū)域統(tǒng)計信息的符號壓力函數(shù)(SPF)來代替GAC模型中的邊緣檢測函數(shù),能夠提高演化曲線在圖像分割過程中對弱邊界的識別能力;實現(xiàn)了權(quán)重參數(shù)的動態(tài)調(diào)節(jié),使得全局項和局部項在分割過程中的不同區(qū)域所起的作用更加合理地分布(在靠近目標區(qū)域時局部信息起主導(dǎo)作用,遠離目標邊界時全局信息起主導(dǎo)作用);同時將提出的模型擴展到多相位,可成功應(yīng)用到腦核磁共振圖像的分割中。我們利用高斯濾波器代替?zhèn)鹘y(tǒng)水平集所用到的耗時的重新初始化過程來對水平集函數(shù)進行規(guī)則化,使之保持為一個符號距離函數(shù)。實驗結(jié)果表明,相對于一些經(jīng)典的模型而言,本文提出的模型對輪廓的初始化具有較強的魯棒性,分割精度和運行速度都有了較大提高。(2)針對傳統(tǒng)活動輪廓模型不能準確分割灰度不均勻和高噪聲圖像,且計算效率比較低的缺點,將核函數(shù)引入基于變分水平集的活動輪廓模型,提出一種基于核函數(shù)和局部信息的凸優(yōu)化分割模型。與CV模型類似,該模型也是基于分段常量的假設(shè),對于圖像域中的每一點,利用該點所在區(qū)域的平均灰度值和其鄰域內(nèi)其它點灰度值的核函數(shù)來度量定義局部能量項,然后對圖像域上所有點的局部能量進行積分定義整體能量泛函。由于局部信息和核函數(shù)的引入使得區(qū)域均值的更新更加準確,具有較強的抗噪性;使得輪廓的演化能夠克服灰度不均勻性和噪聲對分割結(jié)果的影響,從而提高了分割的準確性。此外,采用全局最優(yōu)化技術(shù),得到全局凸分割模型并獲取最優(yōu)解,克服了分割結(jié)果對初始值的依賴。最后,為了提高計算效率,采用Split-Bregman方法進行快速求解。實驗結(jié)果表明,與CV、LBF、Li和RLSM等傳統(tǒng)模型相比較,該模型能夠很好的克服灰度不均勻性對分割結(jié)果的影響,且對噪聲和奇異值具有較強的魯棒性,可獲得更高的分割精度和更快的分割速度。(3)針對LBF模型容易陷入局部極小且對背景比較復(fù)雜的圖像不能準確分割的問題,提出一種融合圖像局部灰度信息和全局約束函數(shù)的變分水平集圖像分割模型。在LBF模型的基礎(chǔ)上,引進一種新的全局梯度約束函數(shù)用于消除活動輪廓外部區(qū)域具有大梯度幅值的線或點,而局部灰度能量項和全局函數(shù)這種組合方式的能量能夠共同驅(qū)動活動輪廓曲線更加準確地達到目標邊界,從而避免能量泛函在演化過程中陷于局部極小,增加分割的準確性和穩(wěn)定性。此外,在能量泛函中,引入水平集函數(shù)正則項,可以避免不斷地重新初始化水平集函數(shù)。實驗結(jié)果表明,本文模型不僅可以有效地處理低對比度的灰度不均勻圖像,減弱噪聲對圖像分割的影響,并對部分具有復(fù)雜背景的醫(yī)學(xué)圖像和紋理圖像也能得到很好的分割效果。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 林亞忠;程躍斌;陳武凡;;一種水平集分割的快速算法[J];南方醫(yī)科大學(xué)學(xué)報;2006年06期

2 段先華;夏德深;;基于橢圓約束分割心臟MRI圖像的水平集模型[J];計算機工程;2007年16期

3 孫涌;王志堅;索麗生;;水平集法對流場相界面應(yīng)用的分析與研究[J];蘇州大學(xué)學(xué)報(工科版);2007年03期

4 王超逸;湯盈盈;;形狀敏度及水平集在結(jié)構(gòu)優(yōu)化中的運用[J];山西建筑;2008年07期

5 李宏友;汪同慶;葉俊勇;劉青;;一種新的水平集進化模型[J];儀器儀表學(xué)報;2008年07期

6 余瑞星;朱冰;呂梅柏;;一種新的水平集停止項函數(shù)選取方法研究[J];系統(tǒng)仿真學(xué)報;2008年22期

7 董建園;郝重陽;齊敏;;基于策略演化水平集的醫(yī)學(xué)圖像快速分割[J];中國圖象圖形學(xué)報;2009年08期

8 陸意駿;陳一民;黃詩華;陳明;姚爭為;;基于粒子濾波與改進水平集的人手跟蹤[J];計算機工程;2010年13期

9 李靜;王軍政;梁少敏;沈偉;;基于改進水平集的多運動目標檢測方法[J];北京理工大學(xué)學(xué)報;2011年05期

10 熊友誼;張瑩;;基于水平集的海島(礁)提取[J];測繪與空間地理信息;2012年03期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 王一波;胡仲翔;姚耀;;基于水平集的激光條紋提取方法[A];2009全國虛擬儀器大會論文集（一）[C];2009年

2 田昊;楊劍;李國輝;;基于變分水平集的遙感影像建筑物檢測[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

3 曹曉光;崔林艷;;基于閾值和水平集的尿沉渣圖像分割組合算法[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

4 王斐;趙杰煜;;基于多重網(wǎng)格的水平集圖像分割方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

5 梅立超;姜慧研;張柳青;劉洪娟;;基于GPU和水平集的肝臟快速分割方法的研究[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

6 凌和良;鄔冬華;劉瑞霞;;變測度的積分型全局優(yōu)化算法[A];中國運籌學(xué)會第七屆學(xué)術(shù)交流會論文集（下卷）[C];2004年

7 程俊霞;;水平集方程在四邊形網(wǎng)格上的數(shù)值離散方法[A];中國工程物理研究院科技年報(2008年版)[C];2009年

8 金小禮;雷作勝;張浩斌;鄧康;任忠鳴;;氣泡在不互溶兩相流體界面行為的數(shù)值模擬[A];第十三屆（2009年）冶金反應(yīng)工程學(xué)會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 韓明;基于水平集表示和均值漂移的運動目標檢測與跟蹤研究[D];燕山大學(xué);2015年

2 秦傳波;基于微型機器人的自動化顯微注射系統(tǒng)關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2015年

3 劉宇;基于水平集方法和模糊模型的醫(yī)學(xué)圖像分割算法研究[D];吉林大學(xué);2016年

4 何昀;基于圖像水平集分割的航磁圖像信息提取方法研究[D];吉林大學(xué);2016年

5 趙悅;基于能量極小化方法的腦影像分割算法研究[D];吉林大學(xué);2017年

6 張玲;基于變分水平集理論的活動輪廓模型在圖像分割中的應(yīng)用研究[D];太原理工大學(xué);2016年

7 楊紅U，

本文編號：1268973