本文關(guān)鍵詞：基于變分水平集理論的活動(dòng)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(dòng)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(duì)各種圖像數(shù)據(jù)的解釋和認(rèn)識(shí),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(duì)經(jīng)典的水平集圖像分割模型對(duì)灰度不均勻和強(qiáng)噪聲圖像不能有效分割、容易陷入局部極小、運(yùn)行速度慢等問題,做了以下創(chuàng)新性的工作:(1)針對(duì)低對(duì)比度和弱邊界對(duì)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(dòng)態(tài)結(jié)合的測(cè)地線活動(dòng)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(gè)基于區(qū)域統(tǒng)計(jì)信息的符號(hào)壓力函數(shù)(SPF)來代替GAC模型中的邊緣檢測(cè)函數(shù),能夠提高演化曲線在圖像分割過程中對(duì)弱邊界的識(shí)別能力;實(shí)現(xiàn)了權(quán)重參數(shù)的動(dòng)態(tài)調(diào)節(jié),使得全局項(xiàng)和局部項(xiàng)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(biāo)區(qū)域時(shí)局部信息起主導(dǎo)作用,遠(yuǎn)離目標(biāo)邊界時(shí)全局信息起主導(dǎo)作用);同時(shí)將提出的模型擴(kuò)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(shí)的重新初始化過程來對(duì)水平集函數(shù)進(jìn)行規(guī)則化,使之保持為一個(gè)符號(hào)距離函數(shù)。實(shí)驗(yàn)結(jié)果表明,相對(duì)于一些經(jīng)典的模型而言,本文提出的模型對(duì)輪廓的初始化具有較強(qiáng)的魯棒性,分割精度和運(yùn)行速度都有了較大提高。(2)針對(duì)傳統(tǒng)活動(dòng)輪廓模型不能準(zhǔn)確分割灰度不均勻和高噪聲圖像,且計(jì)算效率比較低的缺點(diǎn),將核函數(shù)引入基于變分水平集的活動(dòng)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(duì)于圖像域中的每一點(diǎn),利用該點(diǎn)所在區(qū)域的平均灰度值和其鄰域內(nèi)其它點(diǎn)灰度值的核函數(shù)來度量定義局部能量項(xiàng),然后對(duì)圖像域上所有點(diǎn)的局部能量進(jìn)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(zhǔn)確,具有較強(qiáng)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(duì)分割結(jié)果的影響,從而提高了分割的準(zhǔn)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(duì)初始值的依賴。最后,為了提高計(jì)算效率,采用Split-Bregman方法進(jìn)行快速求解。實(shí)驗(yàn)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(duì)分割結(jié)果的影響,且對(duì)噪聲和奇異值具有較強(qiáng)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(duì)LBF模型容易陷入局部極小且對(duì)背景比較復(fù)雜的圖像不能準(zhǔn)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(jìn)一種新的全局梯度約束函數(shù)用于消除活動(dòng)輪廓外部區(qū)域具有大梯度幅值的線或點(diǎn),而局部灰度能量項(xiàng)和全局函數(shù)這種組合方式的能量能夠共同驅(qū)動(dòng)活動(dòng)輪廓曲線更加準(zhǔn)確地達(dá)到目標(biāo)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(zhǔn)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(xiàng),可以避免不斷地重新初始化水平集函數(shù)。實(shí)驗(yàn)結(jié)果表明,本文模型不僅可以有效地處理低對(duì)比度的灰度不均勻圖像,減弱噪聲對(duì)圖像分割的影響,并對(duì)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(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(bào);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(jì)算機(jī)工程;2007年16期

3 孫涌;王志堅(jiān);索麗生;;水平集法對(duì)流場(chǎng)相界面應(yīng)用的分析與研究[J];蘇州大學(xué)學(xué)報(bào)(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(yùn)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(jìn)化模型[J];儀器儀表學(xué)報(bào);2008年07期

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

7 董建園;郝重陽(yáng);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(guó)圖象圖形學(xué)報(bào);2009年08期

8 陸意駿;陳一民;黃詩(shī)華;陳明;姚爭(zhēng)為;;基于粒子濾波與改進(jìn)水平集的人手跟蹤[J];計(jì)算機(jī)工程;2010年13期

9 李靜;王軍政;梁少敏;沈偉;;基于改進(jìn)水平集的多運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];北京理工大學(xué)學(xué)報(bào);2011年05期

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

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 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(guó)虛擬儀器大會(huì)論文集（一）[C];2009年

2 田昊;楊劍;李國(guó)輝;;基于變分水平集的遙感影像建筑物檢測(cè)[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)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(guó)信息獲取與處理學(xué)術(shù)會(huì)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(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)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(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

6 凌和良;鄔冬華;劉瑞霞;;變測(cè)度的積分型全局優(yōu)化算法[A];中國(guó)運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)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(guó)工程物理研究院科技年報(bào)(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(huì)議論文集[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 韓明;基于水平集表示和均值漂移的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究[D];燕山大學(xué);2015年

2 秦傳波;基于微型機(jī)器人的自動(dòng)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(dòng)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(hào)：1268973