基于主动轮廓模型的图像分割与配准同步方法研究

摘要

图像分割和图像配准是图像处理中的两个关键技术，有着广泛的应用领域，一直以来是众多国内外学者研究的热点。但传统的图像分割和配准方法彼此独立，忽视了图像处理的连续性，从而影响了图像分割和配准的效果。随着实际应用的不断推广，对图像处理精度要求的日益攀升，这一局限性也表现得越来越明显。 主动轮廓模型是当前倍受关注的图像处理方法，本文在认真研究了主动轮廓模型，及其相关技术——变分法和水平集方法的基础上，将主动轮廓模型和配准映射函数有机融合，同步实现了图像分割和配准。该方法的主要思想是以主动轮廓模型为基础，通过引入待配准图像间的映射关系构造联合的能量泛函。从而将基于主动轮廓模型的图像分割和基于轮廓特征的图像配准有效的融合起来，建立了一种图像分割和配准同步模型，最终通过变分法最小化此能量泛函实现同步的图像分割和配准。这样一方面可以减小分割对配准所产生的不利影响，从而提高配准的精度；另一方面也可以增强图像分割的准确度。实验结果显示能获得理想的分割和配准结效果，验证了该方法的有效性。 非刚性配准一直是图像处理的难点，为了使本文的方法可以进一步适用于非刚性形变实体图像间的配准，在原有模型的基础上通过引入非刚性映射关系，并利用变分水平集方法得到了一种改进的基于主动轮廓模型的图像分割和配准同步方法。改进后的方法不但能够实现同步的图像分割和非刚性配准，同时水平集方法的应用也使其能够自适应拓扑结构的变化。同样也用实例验证了该方法在图像分割和非刚性配准方面的同步性和优越性。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究的背景及意义

1.1.1问题的提出

1.1.2研究的目的和意义

1.2国内外的研究现状

1.3本文的主要研究内容及论文结构

第二章图像分割和配准方法概述

2.1图像分割和配准的传统方法

2.1.1基于图像配准的图像分割

2.1.2基于图像分割的图像配准

2.2基于主动轮廓模型的图像分割和配准概述

2.2.1主动轮廓模型概述

2.2.2基于主动轮廓模型的图像分割和配准方法

2.3本章小结

第三章主动轮廓模型的理论基础——变分方法和水平集方法

3.1变分方法和梯度下降流

3.1.1变分法简介

3.1.2泛函的一阶变分

3.1.3梯度下降流

3.2曲线演化和水平集方法

3.2.1曲线演化理论

3.2.2水平集方法

3.2.3水平集数值解

3.2.4水平集方法的快速计算

3.3本章小结

第四章基于主动轮廓模型的图像分割与配准同步方法

4.1几种经典的主动轮廓模型

4.1.1 Snake模型

4.1.2 Mumford-Shah模型

4.1.3 C-V模型

4.2基于主动轮廓的图像分割与刚性配准同步方法

4.2.1图像分割和配准同步方法的主要思想

4.2.2能量函数的构造

4.2.3能量函数的求解

4.2.4实验与分析

4.3本章小结

第五章改进的基于主动轮廓模型的图像分割与配准同步方法

5.1非刚性配准

5.2主动轮廓模型的变分水平集求解方法

5.2.1变分水平集求解方法

5.2.2 C-V模型的变分水平集求解方法

5.3改进的基于主动轮廓模型的图像分割与非刚性配准同步方法

5.3.1非刚性映射的建立

5.3.2能量函数的构造

5.3.3能量函数的水平集求解

5.3.4实验与分析

5.4本章小结

第六章总结与展望

6.1本文的主要工作

6.2未来工作的展望

参考文献

致谢

附录(攻读硕士期间科研情况)