论文部分内容阅读
图像分割是一项应用广泛的图像处理技术,可很大程度的减少后面高级图像处理所需的数据量,且不影响结构特征相关的信息,在图像处理中起关键作用。在图像分割中出现误差将影响后续处理图像的有效性,所以近半个世纪以来,学者们不断提出各种分割方法来提高分割的精度和准确性,在改进分割的方法上做出不少工作。而变分水平集应用在图像分割中也有显著的效果,广泛应用在医学,交通,工业,农业等各种领域。Samson等学者提出将FCM聚类与变分水平集方法相结合进行图像分割,该方法具有很好的图像分割效果。但这种模型需周期性不停地重新初始化,从而影响图像分割时间。本文通过引入内部能量函数的H1正则化,使得水平集函数在演化过程中无需重新初始化从而节约时间。用文中的方法与传统的Samson模型和FCM算法分割图像对比实验,结果表明,本文方法具有更短的运行时间和更好的分割效果。其次,针对传统的CV模型在图像分割中不能很好的分割灰度不均的图像,分析了Lee-Seo和Li-Kim两种改进模型在图像分割方面的性能,提出一种新的能量函数,并给出了一种基于改进的能量函数的图像分割算法。三组实验结果表明,与CV模型、Lee-Seo模型、Li-Kim模型比较起来,改进后的算法具有运行时间短,迭代次数少,分割效果好等优点。最后,对本文做出总结,提出不足与今后可以继续学习研究的方向。