毕业论文-几何活动轮廓模型在图像分割中的应用研究

《毕业论文-几何活动轮廓模型在图像分割中的应用研究》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、淮阴师范学院毕业论文毕业论文学生姓名学号院(系)专业题目几何活动轮廓模型在图像分割中的应用研究指导教师宋毅（硕士）年月37淮阴师范学院毕业论文摘要：图像分割在医学图像处理与分析中有着重要的研究意义，也一直是国内外学者研究的热点。近些年来几何活动轮廓模型被广泛的应用于非刚性物体的分割中，与传统的分割算法相比表现出很高的优越性。但几何活动轮廓模型本身也存在缺陷，如计算复杂度比较高、图像的弱边缘收敛性比较差等问题。针对传统几何活动轮廓模型的理论分析。本文主要是围绕几何活动轮廓模型的理论基础曲线演化理论、水平集方

2、法以及近些年来提出的水平集方法的快速实现算法进行总结分析，对经典的几何活动轮廓模型进行了研究，归纳得到算法的优缺点并找出算法实现的瓶颈。依靠一种分割算法很难取得好的分割效果，因此本文提出了一种新的结合传统分割方法的图像分割算法。主要针对传统的几何活动轮廓模型在医学图像弱边缘处收敛性差的缺陷进行了研究，将分水岭方法引入到算法中，利用分水岭方法分割得到的区域信息定义区域水平集函数，使得分割算法的运行时间不依赖于图像的大小而是取决于分水岭方法对图像进行预分割后得到的区域数目。实验结果表明该方法对于医学图像有很好

3、的分割结果，而且在一定程度上解决了尺寸大的图像运算复杂度高的问题。关键词：图像分割，几何活动轮廓模型，曲线演化，水平集方法，分水岭方法37淮阴师范学院毕业论文Abstract：Imagesegmentationplaysanimportantpartinthemedicalimageprocessing.Itisalsoahottopicforscholarsathomeandabroad.Geometricactivecontourmodeliswidlyusedinthenon-rigidobject

4、segmentationinrecentyears，whichshowsgreatadvantageoverthetraditionalsegmentationalgorithm.Butthegeometricactivecontourmodelhassomedisadvantagessuchasthehighcomplexityofthealgorithmanditspoorconvergencetotheweakedgesofmedicalimages.Thetheoryofthetraditiona

5、lgeometricactivecontourmodelispresented，Itmainlyincludesthecurveevolutiontheory,thelevelsetmethodandthefastimplementationalgorithmofthelevelsetmethod.theadvantagesanddisadvantagesofthetraditionalalgorithmarealsoanalized.Meanwhile,itisveryhardtogetsatisfac

6、torysegmentationresultsbyusingonlyonesegmentationalgorithm.Thereforeanewsegmentationalgorithmwhichisimplementedbycombiningthegeometricactivecontourmodelwiththetraditionalsegmentationalgorithmisproposedinthethesis.Duetothepoorconvergenceofthetraditionalalg

7、orithmtotheedges,watershedtransformandlevelsetmethodisproposedinthethesis.Theregionlevelsetfunctionisdefinedaccordingtothepresegmentationresults.Thentheprocessingtimeofthealgorithmdoesnotdependonthesizeoftheimagebutthepresegmentationregionnumber.Theexperi

8、mentalresultsshowthatthealgorithmcanobtainsatisfactorysegmenationresultsofthemedicalimageanditsolvestheproblemofhighcomplexityinprocessinglargeimagestosomeextent.Keywords：imagesegmentation,geometricactivecontourmode