论文摘要：基于局部先验信息与主动轮廓模型的图像分割

图像分割是图像处理中的一个关键技术，是对图像进行视觉分析和模式识别的基本前提。所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域。

近些年来，基于水平集方法的主动轮廓模型已经成为图像分割领域的一个研究热点。水平集方法很好地适用于拓扑结构复杂多变、强噪声和灰度不均匀的图像分析领域，并极大推动了主动轮廓模型的发展。本文的重点就是围绕水平集方法在图像分割的应用来展开研究。

本文的主要工作概况如下：

(1) 提出了一种结合局部信息的图像分割与偏移场矫正模型（LBCV模型）。该模型在图像局部上，利用CV模型，建立能量泛函，通过变分水平方法进行求解。该模型考虑了图像的局部特性，因此能够有效地分割灰度不均匀的图像及偏移场矫正，同时，该模型在求解时能够将水平集演化方程改造成常微分方程，使其在演化过程中具有很好的特性。实验结果表明，该模型能够准确、快速地分割图像，同时实现偏移场矫正。

(2) 介绍了一种基于局部统计概率的图像分割与偏移场矫正模型（SVMLS模型）。其次，针对该模型没有给出二相水平集的求解结果和应用的问题，求解了该模型的二相水平集演化方程，并将二相SVMLS模型应用到了医学图像分割中，实现对医学图像的分割和偏移场矫正。最后为了提升该模型对于纹理图像的分割性能提出了一种新的扩展型结构张量，将其融入能量函数模型，实现对纹理图像的分割。实验结果表明，文中模型可以准确、快速地分割医学图像和纹理图像，并较好地恢复出医学图像的偏移场信息。

(3) 提出了一种结合自适应正则的图像分割与偏移场矫正模型，该模型利用最大化后验概率框架联合了图像分割和偏移场矫正，在这个框架下，轮廓先验和偏移场先验信息被充分利用。为了约束偏移场，我们引入一个自适应正则项。基于这个自适应正则项，估计出来的偏移场较为平滑并含有较少的图像结构信息。实验结果表明，在合成图像和真实图像上我们的方法能得到较好的分割和偏移场矫正结果。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/214919.html