基于chan-vese模型的水平集图像分割方法研究

《基于chan-vese模型的水平集图像分割方法研究》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、分类号；密级：ＵＤＣ；单位代码：签微旷至妙义ｆ硕去学位论文－Ｖｅ论文题目：基于Ｃｈａｎｓｅ模型的水平集图像分割方法研究１３２０１９０２８８学号：胡小为作者：计算机科学与技术专业名称：２０１６年０５月３０日安徽工业大学硕女学位论文论文题目ａｎ－Ｖｅｓｅ橫型的乂平：基于Ｃｈ集图像分割方法研巧Ｌｅｖｅ－ＲｅｓｅａｒｃｈｏｎｌＳｅｔＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＣｈａｎＶｅｓｅＭｏｄｅｌ作者：胡小为学院：计龍科学与拔

2、衣学院指导教师徐国雄单位：安徽工化大堂、协助指导教师１伏学：刘宏串单位：安衞了论文提交日期：２０１６年５月３０日学位授予单位：安徽工业大学安徽马鞍山２４３００２独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知，除了文中特别加标注和致谢的地方夕ｈ，论文中不包含其他人己经发表或撰写的研究成果，也不包含为获得一安徽工业大学或其他教育机构的学位或证书所使用过的材料。与我同王作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。＞＾＾

3、／＾矯名妻日期：牌乃于论文使用的明关授权说工业，：、学论定全学留用文的规即本人完了解安徽大有关保使位，论文查和；学可Ｗ公留送交论文印允许被阅借阅校学校有权保的复件、论，可印或他手段论文的全部或部分内容采用影印缩其复制保存布。密论解密后应遵循此规定文保的文在，。目导师曰：於／ｒ雜名＾镶名期月Ｊ每作小胃！摘要摘要Chan-Vese模型是一种基于区域信息的几何活动轮廓模型，由于不依赖于梯度信息，因此可以有效分割含噪声和弱边缘图像，并结合水平集方法进行数值解，可以很自然地处理轮廓演化过程中的拓扑结构变化，因此引起了广泛关注。但C

4、han-Vese模型仍存在其缺陷，本文即是对Chan-Vese模型存在的缺陷进行研究与改进。本文工作如下：(1)由于Chan-Vese模型本身是一个非凸性泛函，对该泛函求极值只能得到局部最优解，因此应用Chan-Vese模型进行图像分割时，很难在全局范围内得到理想的结果。针对该问题，提出一种结合GVF和Chan-Vese模型的水平集图像分割方法，该方法通过GVF将边缘梯度信息扩散至整个图像，在保留了Chan-Vese模型基本优点的同时，融入了GVF的全局性梯度信息，从而引导Chan-Vese模型在全局范围内演化至正确的目标边缘。实验结果表明，该方法的

5、分割效果和收敛速度都明显优于传统Chan-Vese模型，表明该方法是可行的。(2)由于Chan-Vese模型在演化过程中将待分割区域划分为内部区域和外部区域，因此应用Chan-Vese模型进行多灰度值图像分割时，只能得到二相位的分割结果。针对该问题，提出一种基于单水平集串行演化的多灰度值图像分割方法，与传统的单水平集树形分割方法不同的是该方法仅对活动轮廓的内部区域进行灰度平均值拟合，通过单水平集多次演化对多灰度值图像进行单向串行分割。分割过程中采用一种可以在指定区域生成初始活动轮廓的水平集函数，并利用Mean-Shift算法对待分割区域进行目标有无的

6、判断，实现无监督的自动化分割。实验结果表明，该方法可以有效减少分割过程中的目标判断次数和总的分割时间，表明该方法是可行的。关键词：图像分割；水平集方法；Chan-Vese模型IAbstractAbstractChan-Vesemodelisageometricactivecontourmodelbasedonregionalinformation.Itdoesnotdependongradientinformation,soitcansegmentimagewithnoiseandweakedgeeffectively,andcombiningthe

7、levelsetmethodforthenumericalsolution,itcannaturallychangethetopologystructureinthecontourevolutionprocess,soithasarousedwidespreadattention.ButChan-Vesemodelhasitsdefects,thisdissertationconductedtheresearchandimprovementofthedeficienciesofChan-Vesemodel.Thisdissertationisasfo

8、llows:(1)TheChan-Vesemodelisanon-convexfunctional.Seek