【碩士論文】圖像分割算法的研究與改進(jìn).pdf

《【碩士論文】圖像分割算法的研究與改進(jìn).pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、山東大學(xué)碩士學(xué)位論文摘要在過去的近二十年里，圖像分割作為計(jì)算機(jī)視覺等領(lǐng)域的重要研究方向，吸引了越來越多的研究者的注意。物體輪廓的提取在各個(gè)方面所起的作用越來越重要，因此對于這方面的研究方法也越來越多。首先是主動輪廓模型，它是一種充分利用高層信息的自上而下的處理過程。它為輪廓提取、立體匹配和目標(biāo)跟蹤等●一系列視覺問題提供了一個(gè)統(tǒng)一的理論框架，并已在圖像分割、醫(yī)學(xué)圖像處理、人機(jī)交互、監(jiān)視和監(jiān)控等許多領(lǐng)域獲得了廣泛的應(yīng)用；接下來是在主動輪廓模型的基礎(chǔ)上發(fā)展起來的幾何算法，最初由Osher和Sethian提出，用于解

2、決遵循熱力學(xué)方程下火苗外形的變化過程，這是由于火苗外形的高動態(tài)性和拓?fù)浣Y(jié)構(gòu)變化的隨意性。因此這種方法對于拓?fù)浣Y(jié)構(gòu)變化比較復(fù)雜的物體輪廓的提取有較大的優(yōu)越性，現(xiàn)在已經(jīng)應(yīng)用于醫(yī)學(xué)領(lǐng)域病變處的診斷。但是這幾種模型仍然存在許多問題，因此有必要對它們做深入研究，以提出改進(jìn)算法。本文首先闡述了主動輪廓模型的基本原理，研究了傳統(tǒng)參數(shù)化主動輪廓模型能量函數(shù)最小化的改進(jìn)算法。因?yàn)橹鲃虞喞Ｐ蛯Π夹挝矬w輪廓提取的效果不好，我們引入了面積能量，并進(jìn)行了仿真，結(jié)果有所改善。接下來，針對傳統(tǒng)參數(shù)化主動輪廓模型的對輪廓線的初始位置仍然敏

3、感的問題沒有解決的問題，我們研究了梯度流量算法(ovF)。雖然這種方法對凹陷物體輪廓的提取也比主動輪廓模型效果要好，但是在對深度凹陷的物體輪廓的提取時(shí)效果卻不是很好，為此我們將力場擴(kuò)散方程中梯度矢量流的各分量分別歸一化，使曲線上各點(diǎn)受物體邊界力場的影響跟它與邊界的距離無關(guān)，從而克服了GVF模型難以解決的深凹腔問題，同時(shí)提出在G、rF模型中引入和設(shè)置方向矢量的算法，在矢量指定范圍內(nèi)能屏蔽掉不需要的物體力場的影響，從而更加準(zhǔn)確地分割出感興趣的物體。由于snake以及其它基于能量最小化的傳統(tǒng)參數(shù)型主動輪廓模型和算法

4、都存在幾個(gè)缺點(diǎn)：1)難于分割拓?fù)浣Y(jié)構(gòu)比較復(fù)雜，有分支和突觸的物體；2)三維實(shí)現(xiàn)比較困難；3)分割結(jié)果對輪廓初始位置比較敏感；4)難以確定合適的迭代終止準(zhǔn)則。為此我們又研究了幾何模型算法，并在此基礎(chǔ)上研究了Mumford—Shah模型，對它進(jìn)行了改進(jìn)，對彩色圖像和醫(yī)學(xué)圖像的輪廓進(jìn)行了提取，仿真結(jié)果表明，改山東大學(xué)碩士學(xué)位論文進(jìn)后的Mumford—Shah模型克服了上述幾個(gè)問題。實(shí)驗(yàn)表明，文中對snake模型、GVF模型和Mumford-Shah模型的改進(jìn)都取得了明顯的效果，但它們各自都有其優(yōu)缺點(diǎn)，我們應(yīng)該在不同

5、的場合下，充分利用它們的優(yōu)點(diǎn)，更好的發(fā)揮其應(yīng)有的性能。關(guān)鍵詞：圖像分割；主動輪廓模型；梯度流量法；Mumford-Shah模型山東大學(xué)碩士學(xué)位論文縮略語AIArtificialIntelligence人工智能^CMActireContourModel主動輪廓模型G、限GradientVectorFlow梯度矢量流GGVFGeneralizedGradientVectorFlow廣義梯度矢量流ROIRegionofinterest感興趣區(qū)域IVCImageandVisionComputingCVIUComput

6、erVisionandImageUnderstandingCVPRIEEEinternationalConferenceonComputerVisionandPatternRecognitionICPRIEEEInternationalConferenceonPatternRecognitionICCVInternationalConferenceonComputerVisionICIPIEEEInternationalConferenceonImageProcessing5山東大學(xué)碩士學(xué)位論文第一章引言1．

7、1研究背景與選題意義計(jì)算機(jī)視覺(也稱為機(jī)器視覺或圖像分析與理解)是用計(jì)算機(jī)來模擬生物外顯或宏觀視覺功能的科學(xué)與技術(shù)m，其目的是用計(jì)算機(jī)代替人眼及大腦對于景物環(huán)境進(jìn)行感知、解釋和理解。計(jì)算機(jī)理論發(fā)展至今，出現(xiàn)過兩種視覺理論。一種是傳統(tǒng)的計(jì)算機(jī)視覺理論。該理論的起源可以追溯到20世紀(jì)50年代統(tǒng)計(jì)模式識別理論的提出，當(dāng)時(shí)的工作主要集中在二維圖像分析和識別上，而在70年代末，麻省理工學(xué)院(MIT)人工智能(ArtificialIntelligence，AI)實(shí)驗(yàn)室的馬爾(Marr)教授提出的計(jì)算機(jī)視覺(Computa

8、tionalVision)理論，為計(jì)算機(jī)視覺研究領(lǐng)域確立了一個(gè)非常重要的理論框架嘲。到了20世紀(jì)80年代末，則提出了另一種視覺理論，即主動視覺(也稱為行為視覺和目的性視覺)理論。這種理論認(rèn)為視覺系統(tǒng)的作用是將視覺感知轉(zhuǎn)化為動作的集合，而且動作依賴于視覺任務(wù)并與環(huán)境動態(tài)交互p棚，它與Marr的視覺理論有著顯著的區(qū)別。主動視覺以1987年Kass和Terzopoulos等人提出的主動輪廓模型為重要標(biāo)志咖