基于C-V模型水平集方法的彩色图像分割研究

论文摘要

图像分割是计算机视觉中的关键步骤之一。传统的分割方法由于方法自身的局部性,难以满足复杂分割的要求,基于水平集方法的图像分割研究正是这种需求下出现的。C-V模型对灰度图像的变化处理非常自然,解决了M-S模型难以解决的问题,而C-V模型应用于彩色图像极大地推动了彩色图像分割的研究。本文主要研究了基于水平集方法的彩色图像分割方法。首先介绍本论文的课题背景、目标与意义,基于水平集方法的彩色图像分割方法研究进展以及本论文的主要工作和结构安排。其次介绍了彩色图像分割基础,从彩色空间与纹理特征两个方面分析了常用彩色图像分割方法存在的问题。接着,重点阐述了彩色图像分割的常用方法。然后,讲述了图像分割的偏微分方程PDE（ Partial Differential Equation）的解法以及水平集的重要概念。在此基础上,又介绍了C-V模型图像分割的方法,将基于传统C-V方法的RGB颜色模型与HSV颜色模型的图像分割实验进行了比较并通过MATLAB软件对图片进行了分割,实验结果验证了算法的有效性。最后,针对C-V模型彩色图像分割精度不足的缺点,本文提出了利用欧氏距离替代灰度加权值,一方面有效地利用了色度信息,使彩色边缘更加精确;另一方面,考虑到不同彩色通道间的相互联系,避免不同通道中的不同形状特征带来失真,增加了分割的精度。最终的实验结果表明,由于HSV颜色模型比较符合人的视觉感受,因此,在彩色图像分割的常用方法中,基于C-V模型的HSV颜色模型下的彩色图像分割的效果的确比RGB颜色模型下的彩色图像分割精确。

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 水平集在图像分割中的国内外研究进展
• 1.2.1 彩色图像分割方法研究
• 1.2.2 水平集研究现状
• 1.2.3 水平集图像分割方法
• 1.3 研究内容
• 1.4 论文结构
• 第2章 彩色图像分割基础
• 2.1 彩色空间
• 2.1.1 RGB 颜色模型
• 2.1.2 HSV 颜色模型
• 2.1.3 HIS 颜色模型
• 2.2 纹理特征及分析
• 2.2.1 基于直方图的特征提取方法
• 2.2.2 基于边缘的纹理特征提取方法
• 2.3 常用彩色图像分割方法分析
• 2.4 现有彩色图像分割策略
• 第3章 图像分割的偏微分方程基础
• 3.1 线性偏微分方程
• 3.2 初始条件与边界条件
• 3.3 非线性偏微分方程
• 3.4 变分原理和欧拉-拉格朗日（Euler-Lagrange）方程
• 3.5 水平集方法
• 3.5.1 曲线演化理论
• 3.5.2 水平集方法原理
• 3.5.3 图像分割中水平集方法求解
• 第4章 C-V 模型图像分割
• 4.1 C-V 模型图像分割研究进展
• 4.2 传统的C-V 方法
• 4.3 C-V 图像分割方程的数值解法
• 4.4 基于区域和边界信息的C-V 方法灰度图像分割
• 4.5 基于C-V 模型的水平集彩色图像分割
• 4.5.1 基于HSV 彩色空间的传统C-V 模型的图像分割
• 4.5.2 基于传统C-V 方法的RGB 彩色空间图像分割
• 4.5.3 两种颜色空间图像分割方法的实验比较
• 第5章 C-V 模型彩色图像分割算法改进
• 5.1 人类视觉分割图像特点
• 5.2 传统的C-V 方法在算法方面的缺点
• 5.3 改进的 C-V 方法
• 5.4 不同颜色空间下的实验结果对比
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 攻读学位期间公开发表的论文
• 附录
• 致谢