论文部分内容阅读
随着计算机科学技术的飞速发展,数字图像大量出现在各个生产、生活领域,并且成为人们获取信息的一个重要途径。提取图像中感兴趣区域的操作称作图像分割,是图像分类与识别的前提,没有正确的图像分割无法得到正确的识别结果。近年来,应用活动轮廓模型的图像分割方法己成为图像处理领域的一个热点。较于传统的分割方法,有着两个明显的优势:演化曲线能够自然地改变拓扑结构;求解过程方便。本文的工作是,针对水平集图像分割存在的一些问题,提出改进的方法,主要体现在以下四个方面:(1)对距离规则水平集模型中边界指示函数进行改进。在距离规则水平集模型中,如果图像的噪声太大,演化曲线易停留在噪声位置,不再向前演化;另外对于目标边缘不明显、多个目标距离相近等情况,该分割方法可能失败。非线性扩散模型的扩散系数通过图像梯度信息调整自身大小,在滤波过程中,能够更有效地保护目标边缘。基于非线性扩散模型的边界指示函数可以减小噪声对算法的影响,并加快分割速度。(2)采用新的势阱函数代替距离规则水平集模型中的双势阱函数,改进规则项。新的势阱函数能够减慢零势阱附近的演化速度,从而增强模型检测弱边缘的能力;在壹势阱附近,函数曲线更加陡峭,使得水平集函数能够更有效地保持符号距离函数特性。(3)采用新的灰度信息对距离规则水平集模型中的面积项进行改进。根据图像的灰度均值与标准差,引入新的面积项可变权系数。此方法通过目标与背景的灰度差值控制演化曲线的方向,通过图像的标准差控制演化曲线的速度大小。(4)提出基于灰度与梯度信息的改进型自适应距离规则水平集模型。基于非线性扩散模型的自适应边界指示函数能够加快曲线演化速度,同时避免边缘泄露现象。结合梯度与灰度信息的面积项可变权系数,能够自适应地改变自身的符号与大小。由于其在目标边界的两侧具有相反的符号,因此,演化曲线可以根据当前位置的图像信息自适应地决定是否向内或向外移动。另一方面,梯度信息的使用能够平衡仅依赖灰度信息而造成的误差,从而进一步加快曲线演化的速度。实验结果表明:本文模型能够在不同位置定义初始曲线,克服对初始轮廓敏感的问题,同时对于多目标、弱边缘、多噪声、灰度不均等不同类型的真实图像,也有着较好的分割结果。