基于图像分解及活动轮廓模型的彩色纹理图像分割

摘要

图像分割是数字图像处理的重要研究方向，许许多多的图像需要对其进行图像分割，提取目标图像之后才能进行下一步的处理与信息提取。图像分割的方法也得到了如火如荼的发展。但是由于图像纹理的影响，纹理图像分割依然是图像处理领域的重点难点。在真实世界中，纹理的存在是图像中一件非常普遍的事情，但纹理的存在可能会对图像分割造成相当大的困难。图像分解模型可以将图像中的纹理部分从图像中剔除，因此提出了一种新的纹理图像分割模型，它是将图像分解模型与活动轮廓模型相结合，从而达到图像分解与图像分割同步进行。
　　与许多其它的纹理分割模型不同的是，这种新模型并不需要任何统计模型、不需要图像的先验知识以及其它滤波器（如Gabor滤波器和小波滤波器）的辅助。该模型只需要通过变分图像分解模型得到的图像的结构分量信息和图像的振荡分量的信息。纹理信息通常被认为是图像的振荡分量；结构部分被认为是变分图像分解模型中的平滑分量，可用于区分图像分割中不同区域的特征。通过耦合VO分解模型和活动轮廓模型，从而实现纹理图像的分解。在处理建彩色纹理图像分割的时候，分别使用CTV规则项和MTV规则项来建立模型。最后，使用快速算法--Split-Bregman算法来求解模型，从而实现模型的加速迭代。通过对真实纹理图像和合成纹理图像的数值实验来说明该模型的性能。

目录

第一章 绪论

1.1课题的背景及意义

1.2图像分割的研究现状

1.3论文的主要工作与章节安排

第二章 变分图像分割的理论基础

2.1 数学理论基础

2.2 活动轮廓模型

2.3 VO分解模型

2.4本章小结

第三章 灰度纹理图像分割

3.1模型的引入

3.2模型的Split-Bregman算法

3.3数值实验

3.4本章小结

第四章 基于活动轮廓模型和MTV的无监督彩色纹理分割模型

4..1模型的引入

4.2模型的Split-Bregman算法

4.3 实验分析

4.4 本章小结

第五章 基于活动轮廓模型和CTV的无监督彩色纹理分割模型

5.1模型的引入

5.2模型的Split-Bregman算法

5.3 实验分析

5.4本章小结

第六章 总结及展望

6.1 本文的工作总结

6.2 今后的工作展望

参考文献

攻读学位期间的研究成果

致谢

声明