基于几何活动轮廓模型的图像分割方法研究

摘要

图像分割是图像处理中一个基本而关键的环节，是图像分析和计算机视觉研究的基础。图像分割指的是把图像分成一些互不相交的子区域，以达到将目标物体或感兴趣的部分从图像区域中分离出来的目的。现有的图像分割方法很多，近年来，基于几何活动轮廓模型图像分割方法作为一种比较新颖的有效的分割方法，逐渐成为研究和应用的热本文在充分认识活动轮廓模型及其相关背景知识的基础上，重点研究了几种经典的基于区域信息的几何活动轮廓模型，并指出了它们存在的缺点。为了改善它们的缺点，本文在LGIF模型基础上进行了三点改进，提出了改进的LBF模型及其图像分割算法，分别为:(1)用尺度参数σ较大的LBF模型替代LGIF模型中的C-V模型，较大σ值的LBF模型不仅具有全局特性而且具有局部特性;(2)将进行数据处理后的局部熵引入到LGIF模型中，进而自动求取权重参数ω，克服了LGIF模型权重参数值的选取全程都需要人工参与的缺点;(3)为了有利于计算机的自动求解和避免过多无用的循环迭代，本文提出了一种新的终止准则。
　　为了验证本文提出的改进的模型和算法的有效性和实用性，分别对人造图像、SAR图像和医学图像进行实验仿真。实验结果表明，本文模型不仅有效地改进了LGIF模型，而且很好的改善LBF模型对初始轮廓曲线敏感的缺点。同时，通过与传统图像分割算法分割结果比较，得出了活动轮廓模型更能满足医学、遥感等实际应用领域图像分割要求的结论。

目录

声明

摘要

第1章 绪论

1．1 课题研究的背景和意义

1．2 图像分割方法概述

1．2．1 图像分割的定义

1．2．2 图像分割方法

1．3 本文的主要工作和组织结构

第2章 几何活动轮廓模型和水平集方法

2．1 引言

2．2 曲线演化方程的水平集方法

2．2．1 曲线演化理论

2．2．2 水平集方法

2．3 几何活动轮廓模型

2．3．1 基于边缘信息的几何活动轮廓模型

2．3．2 基于区域信息的几何活动轮廓模型

2．4 本章小结

第3章 基于改进的LBF模型图像分割

3．1 引言

3．2 结合全局信息和局部信息的几何活动轮廓模型(LGIF)

3．3 改进的LBF模型

3．3．1 改进的思想

3．3．2 图像局部熵

3．3．3 模型介绍

3．4 终止准则

3．5 总体算法流程

3．6 仿真实验及结果分析

3．7 本章小结

第4章 改进的LBF模型在图像分割中的应用

4．1 引言

4．2 改进的LBF模型在SAR图像分割中的应用

4．2．1 背景介绍

4．2．2 SAR图像预处理

4．2．3 实验结果与分析

4．3 改进的LBF模型在医学图像分割中的应用

4．3．1 背景介绍

4．3．2 OTSU算法

4．3．3 实验结果与分析

4．4 本章小结

第5章 总结与展望

5．1 全文总结

5．2 展望

参考文献

致谢