一种基于灰度信息和方差信息的C-V分割模型

论文摘要

图像分割是图像处理的重要任务之一,其目的是希望将图像中感兴趣的对象与图像中的其余部分相分离,以便为更高层次图像处理服务。图像分割的传统方法有基于区域的图像分割方法,基于边缘的图像分割方法,基于纹理分析的图像分割方法等。近年来,基于偏微分方程的图像分割研究十分活跃,成为图像分割研究领域一项受到广泛关注的技术。本文研究基于偏微分方程的图像分割方法,首先介绍了现有的图像分割方法,并对图像分割的思想、意义和目的进行概述。其次,对基于偏微分方程的Snake模型、Mumford-Shah模型和Chan-Vese模型进行了分析和介绍。详细介绍曲线演化理论、偏微分方程模型的水平集求解以及其数值计算方法。接着,重点讨论了C-V模型分割的优劣点,针对C-V模型对非二值图像和多目标图像分割精确度不高的问题,通过加入基于图像局部方差的能量项,本文对原先C-V模型进行改进,使得改进C-V模型同时利用了图像区域灰度信息和区域方差信息。最后,本文提出一种提高改进C-V模型运行效率方法,经过实验验证,运用该改进方法对于非二值图像和多目标图像有较好的分割效果,而且可以减少迭代次数,缩短分割时间,提高运行效率。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 图像分割的目的和意义
• 1.2 图像分割方法综述
• 1.2.1 传统的图像分割方法
• 1.2.2 基于形变模型的图像分割方法
• 1.3 论文章节安排
• 第二章 曲线演化和水平集方法
• 2.1 曲线演化和偏微分方程
• 2.2 水平集方法
• 2.2.1 水平集方法的主要思想和基本原理
• 2.2.2 水平集方法的数值计算
• 2.2.3 水平集方法的快速计算方法
• 2.3 本章小结
• 第三章 曲线活动轮廓分割模型
• 3.1 Snake模型
• 3.1.1 Snake模型表达
• 3.1.2 Snake模型的求解方法
• 3.2 Mumford-Shah模型
• 3.3 Chan-Vese分割模型
• 3.3.1 Chan-Vese分割模型表达
• 3.3.2 Chan-Vese模型的水平集求解方法
• 3.3.3 实验结果及分析
• 3.4 本章小结
• 第四章 基于灰度信息和方差信息的C-V模型
• 4.1 基于方差的能量函数
• 4.1.1 图像的局部方差定义
• 4.1.2 基于图像局部方差的能量泛函
• 4.2 基于图像方差和灰度的改进C-V图像分割模型
• 4.3 改进C-V模型的相关参数设置
• 4.4 实验结果分析
• 4.5 本章小结
• 第五章 一种基于改进C-V模型的图像分割模型
• 5.1 基于C-V模型的新的图像分割模型
• 5.1.1 算法原理
• 5.1.2 算法的实现
• 5.1.3 实验结果及分析
• 5.2 一种基于改进C-V模型的图像分割模型
• 5.2.1 算法原理
• 5.2.2 算法的实现
• 5.2.3 实验结果及分析
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 本文的主要工作
• 6.2 未来展望
• 参考文献
• 攻读硕士学位期间取得的科研成果
• 致谢