结合局部和全局信息的活动轮廓模型研究

《结合局部和全局信息的活动轮廓模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、结合局部和全局信息的活动轮廓模型研究重庆大学硕士学位论文(学术学位)学生姓名：周涵指导教师：何传江教授专业：应用数学学科门类：理学重庆大学数学与统计学院二O一六年四月StudyonActiveContourModelsIntegratingLocalandGlobalInformationAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofScienceByZhouhan

2、SupervisedbyProf.HeChuanjiangSpecialty:AppliedMathematicsCollegeofMathematicsandStatisticsofChongqingUniversity,Chongqing,ChinaApril,2016重庆大学硕士学位论文中文摘要摘要图像处理作为一门涉及面十分广泛的学科，在众多领域都得到学者的关注。而图像分割作为图像处理的关键内容，历来都是研究的热点，能够分离出后续工作需要的目标以便进行更好的分析、实验，分割结果越精确，后期实验分析效果

3、就越好。近些年来，图像分割一直受到人们的高度重视，至今已经提出大量的各种类型的算法。活动轮廓模型(ActiveContourModel)是一类重要的图像分割模型，可分为两类：基于边缘的模型和基于区域的模型。基于区域的模型因其本身特有的优势，如对轮廓初始化和噪声不敏感，使其应用较为广泛。灰度不均是真实图像(如医学图像)中最常见的灰度特征，且难于处理。如今已有很多模型就是针对这种特征提出的，最为著名的有RSF模型(IEEETransactiononImageProcessing，2008)与LIF模型(Patt

4、ernRecognition，2010)等，但是对于这些只含图像局部信息的模型，它们对轮廓初始化十分敏感。因此，如何有效地对这类图像进行分割，一直是图像分割领域的一个热门课题。本学位论文深入研究了一些经典的活动轮廓模型，如CV模型(IEEETransactiononImageProcessing，2001)、RSF模型以及LIF模型，然后研究了具有复杂背景或灰度不均匀图像的分割问题。主要结果如下：针对灰度不均的图像，结合图像全局和局部信息，构造了一个新的活动轮廓模型。该模型的能量泛函由三部分构成：局部项、全

5、局项和正则项。局部项包含图像的局部信息，所以它使模型能够很好处理具有复杂背景或灰度不均匀的图像；全局项包含图像的全局信息，所以它使模型对初始轮廓有很好的鲁棒性；正则项是为了保证零水平集（曲线）的光滑性，增加模型的抗噪能力，同时避免水平集函数的周期性重新初始化。实验表明，该模型能够很好处理灰度不均图像，且分割结果不依赖于初始轮廓的选择。此外，与LIF模型等同类型的模型作对比，实验显示了本文模型的优越性。关键词：图像分割；活动轮廓；LIF模型；灰度不均I重庆大学硕士学位论文英文摘要ABSTRACTAsasubj

6、ectwhichisinvolvedbroadlyinmanyfields，imageprocessinghasreceivedmuchattentionofscholars.Imagesegmentationisanimportantsubjectinthefieldofimageprocessing．Themoreaccuratesegmentationresultscanbringthebetteranalysis.Uptonow，wealthofmodelsandalgorithmshasbeend

7、esignedtohandlethesegmentationproblemsofavarietyofimages．Inthefieldofimagesegmentation，activecontourmodelsbasedonlevelsetmethodhavebeentestifiedtobeoneclassofefficientmethods，withthemeritoftheefficiencyofnumericalcalculationandsimplicity，theactivecontourmo

8、delshavebeenwidelystudiedinthepasttwodecades．Activecontourmodelscanbedividedintotwocategories：edge-basedmodelsandregion-basedmodels．Theregion-basedmodelscansegmentthenoisyimagesandarerobusttotheinitialcontour