基于Snakes模型的图像分割技术研究

论文摘要

图像分割是图像处理与图像分析之间的关键步骤，在图像工程中占据极其重要的位置。图像分割算法的研究一直是图像技术研究的热点之一，对图像分割算法的研究至今已有几十年的历史，本文在前人大量工作的基础上，将现今图像分割算法分成区域分割技术、边缘分割技术、特殊分割技术三类，并分析其优缺点以及发展趋势。之后，论文将注意力集中到Kass于1987年第一届国际计算机视觉会议上提出的基于Snakes(活动轮廓)模型的图像分割算法中来。详细介绍了Snakes模型的原理、数学模型和优缺点，在此基础上对各种改进模型进行总结，并将传统的高斯力Snakes模型、气球力Snakes模型和GVF Snakes模型进行仿真对比。运用Snakes算法对动态图像进行分割时，首先涉及轮廓初始位置的确定问题，本文运用序列图像帧差或者背景差的方法来获取所需要的初始轮廓曲线，为进一步处理做好准备。由于Snakes算法是一种二维搜索方法，完成一次迭代的计算量很大，很难满足动态分割的实时要求。本文利用射线算法将测试点固定在一组射线簇上，将二维搜索变为一维搜索，同时给出了射线自适应调整方案。仿真结果表明，新算法在保证一定精度的前提下，满足了动态图像分割的实时要求。

论文目录

• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 论文研究背景
• 1.2 图像分割意义和应用
• 1.3 论文主要研究内容
• 2 图像分割算法研究现状
• 2.1 图像分割概述
• 2.2 图像分割算法分类
• 2.2.1 图像分割算法分类方法
• 2.2.2 区域分割技术
• 2.2.3 边界边缘技术
• 2.2.4 特殊分割技术
• 2.3 Snakes模型
• 3 Snakes模型
• 3.1 基本原理
• 3.1.1 Snakes模型基本原理
• 3.1.2 Snakes模型数学表达
• 3.1.2.1 内部能量项
• 3.1.2.2 图像信息能量项
• 3.1.2.3 外部约束能量项
• 3.1.3 Snakes模型求解
• 3.2 Snakes算法改进
• 3.2.1 气球力Snakes模型
• 3.2.2 GVF Snakes模型
• 3.2.3 其它改进Snakes模型
• 3.3 几种经典Snakes算法仿真结果对比
• 3.3.1 传统Snakes模型仿真
• 3.3.2 气球力Snakes模型仿真
• 3.3.3 GVF Snakes模型仿真
• 4 运动目标初始轮廓的获取
• 4.1 Snakes模型确定待分割目标初始轮廓的一般方法
• 4.2 帧差法
• 4.2.1 帧差法的基本原理
• 4.2.2 一般帧差法
• 4.2.3 本文使用的帧差法
• 4.3 静止背景差法
• 4.4 静止背景差算法仿真
• 5 基于动态射线的Snakes模型
• 5.1 动态射线算法
• 5.1.1 活动轮廓算法回顾
• 5.1.2 动态射线算法改进Snakes模型
• 5.2 基于动态射线Snakes模型的数值解
• 5.2.1 贪婪算法
• 5.2.2 用贪婪算法求解动态射线算法Snakes模型
• 5.3 动态射线算法的改进
• 5.3.1 动态射线算法优化
• 5.3.2 对于射线的动态调整
• 5.3.3 以目标重心为中心的动态射线Snake算法步骤
• 5.4 基于动态射线Snakes模型仿真结果
• 6 总结
• 致谢
• 参考文献