基于逐段常数水平集方法的图像分割技术

摘要

近年来基于水平集的图像分割方法受到了越来越多的重视，相比于传统的图像分割方法，该方法具有对初始轮廓线位置不敏感，拓扑适应性强等优点。 本文首先对图像分割的目的、意义进行了简单的概述。并对Mumford-Shah模型、Chan-Vese模型以及J．Lie、M．Lysaker和X-C Tai提出的一种逐段常数水平集方法进行了介绍和分析。 其次，在文献[10]基于Mumford-Shah模型的逐段常数水平集分割方法的基础上，为了提高图像分割效果和运算速度，分析并改进了惩罚项结构，提出了一种IMS(improved Mumford-Shah)分割模型。实验表明模型是可行有效的。 再次，为了消除纹理或噪声对图像分割的影响，在Mumford-Shah模型中引入了图像分解的思想，并结合逐段常数水平集方法，提出了MSWD(Mumford-Shah withDecomposition)分割模型，能够分离出图像中的纹理或噪声，避免了对分割结果带来的影响，且给出了详尽的运算过程，并通过仿真实验证明了模型的有效性和实用性。 最后针对脉冲噪声的特点给出了一种有效的迭代滤波算法。

目录

文摘

英文文摘

声明

第一章绪论

§1.1数字图像和数字图像处理

§1.2图像分割及其意义

§1.3图像分割主要方法

§1.3.1传统的图像分割方法

§1.3.2基于偏微分方程的图像分割方法

§1.4本论文主要工作

第二章基于变分水平集模型的分割算法

§2.1水平集方法

§2.1.1水平集方法概述

§2.1.2水平集函数的基本理论

§2.1.3水平集函数的重新初始化

§2.2 Chan-Vese分割模型及其水平集求解方法

§2.2.1 Mumford-Shah模型

§2.2.2 Chan-Vese模型

§2.3基于变分的水平集方法

§2.4逐段常数水平集方法

§2.4.1逐段常数水平集函数的定义

§2.4.2基于M-S模型的PCLSM分割算法

第三章基于IMS模型的逐段常数水平集分割方法

§3.1 IMS模型

§3.2模型求解

§3.3仿真实验

第四章基于分解思想的逐段常数水平集纹理图像分割算法

§4.1 MSWD模型

§4.2模型运算

§4.3参数的选择

§4.4仿真实验

第五章基于脉冲噪声的新型迭代滤波算法

§5.1引言

§5.2脉冲噪声的特性分析和本文引入算法的原理分析

§5.2.1脉冲噪声的特性分析

§5.2.2算法引入的原理分析

§5.3算法实现

§5.3.1定义

§5.3.2实现步骤

§5.4仿真实验分析与评价

§5.4.1实验仿真分析

§5.4.2实验效果的评价

第六章结束语

参考文献

攻读硕士学位期间发表论文

致谢