论文部分内容阅读
图像分割在整个图像处理领域起着十分重要的作用。对相关问题的研究一直以来都是国内外学者们研究的热门话题,这方面也已有不少成熟的算法,其中,基于活动轮廓模型(Snake模型)的图像分割算法将图像本身的低层视觉属性和目标的先验知识有机地结合起来而得到了广泛的关注。本文首先对基于Snake模型的研究现状进行综述,其次,对气球力Snake模型、梯度向量流(Gradient Vector Flow,GVF)活动轮廓模型等几种重要的改进Snake模型进行介绍,并分析了GVF Snake模型的研究动态及其需要进一步解决的问题。在此基础上,本文对基于Snake模型的图像分割算法进行深入研究,获得了较好的结果,主要工作如下:1.针对目前基于参数活动轮廓模型的图像分割方法不能精确定位到角点,不连续边缘易受周围无关信息影响的缺陷,提出一种基于参数活动轮廓模型的图像分割新方法。该方法首先构造边缘保护项,将其引入到图像分割的活动轮廓模型中,保留拉普拉斯扩散项的切线方向分量,再引入两个权重参数控制切线方向和法线方向有偏的扩散,以提高分割的精度和效率。实验结果表明,该模型不仅能检测到弱边缘,精确地定位到角点,而且能收敛到深度的凹形边界,降低无关信息对边缘不连续处的影响,防止边缘泄露,很好地保护图像细节,收敛的效率和准确率比现有的同类模型有明显提高。2.为了解决深度凹陷图像分割的瓶颈问题,本文提出一种基于GVF Snake的深度凹陷图像分割算法。该算法首先采用GVF Snake模型对图像进行初始分割,检测出瓶颈曲线段,再根据瓶颈曲线段的几何特征判断出该曲线需进一步收敛的方向,最后以深度凹陷内部外力场的分布特征为依据确立外力场优化区域,优化该区域的力场,完成图像分割。理论分析和实验结果都表明本文算法不必将初始轮廓完全置于目标边缘内部或外部,不仅能收敛到深度凹陷区域内部,自适应向凹陷和凸起部位收敛,还能收敛到弯曲、狭长的复杂结构,有效地避免将目标边缘的缺口误判为瓶颈曲线段,防止边缘泄露,保护图像细节。不同算法的分割对比实验数据显示,该算法分割曲线对深度凹陷结构的拟合程度优于其他同类算法。