论文部分内容阅读
气象图像目标分割不同于一般的图像分割,这是由于气象图像目标繁多、整体上离散不连续、但是单个目标内部是连续的特性导致的,因此,要想准确分割出感兴趣的特定目标是存在一定困难。图像分割方法如Snake模型、梯度向量流模型等利用动态优化的能量函数逼近目标真实轮廓,扩大外力范围,加强对目标凹陷轮廓边缘的吸引力。这些方法在改进的同时也带来了新的问题比如对轮廓初始位置敏感、参数设置要求高、产生冗余轮廓、计算时间漫长等。
本文在研究CV模型和水平集方法的基础上,主要工作如下:
首先,认真研究分析了水平集方法及其曲线演化理论和Mumford-Shah模型,给出了它们的基本思想,然后对CV模型进行了模型推导、数值分析、优缺点总结。
其次,针对CV模型利用了图像的全局灰度信息,对灰度不均匀或目标背景比较复杂的图像,不能进行有效分割,本文提出在CV模型和水平集方法结合的基础上,通过在模型中加入图像的梯度信息解决灰度多变导致不能分割的问题。针对CV模型结合水平集方法后需要进行大量的数值计算,直接导致计算时间过长无法在有限时间内完成分割等问题,本文在解决问题一的基础上,提出了两种解决方案:一种是改变能量函数中的零值项,另一种是用改进计算格式方法替代原来的计算格式进行数值求解;同时对于初始水平集函数的半径,本文通过取其最大值进行确定,这又加速了轮廓曲线的演化。
最后,本模型结合气象图像的特征,讨论了针对气象图像的参数及其分割系统的设计与实现。通过实验分析证明,改进后的模型能够较好的处理多目标图像,计算速度快,分割精确,演化曲线无冗余,满足气象图像实时性的要求。