| 【中文题名】 | 基于形状先验信息的主动分割模型的研究 |
| 【英文题名】 | |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-12-6 |
| 【中关键词】 | 图像分割,变分法,主动轮廓模型,Mumford-shah模型,先验形状,形状配准 |
| 【英关键词】 | image segmentation,variational method,active contour model,Mumford-shah model,shape priors,shape alignment,principle component analysis, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 | 由于现实中获得的图像总是不可避免的受到污染，如噪声、阴影和遮挡等等，导致不能对目标进行正确的分割，一种有效的解决办法就是引入先验知识。本文设计了一种基于先验信息的主动轮廓模型。我们设计的主动轮廓能量泛函由两部分构成：第一部分是基于图像信息的，包括梯度信息和区域均匀性准则；第二项是形状能量项，它保证主动轮廓在统计形状模型所允许的范围下形变；为了捕获形状信息，我们首先利用水平集方法表示目标形状，并对形状进行配准，然后我们建立统计模型，定义形状样本训练集的概率分布，利用主成分分析(PCA)得到形状的变化模式，最后把形状信息融入主动轮廓模型。这样设计使得分割结果既依赖于全局图像的信息，又考虑了先验形状所提供的信息。能量泛函的极小值由变分法求解，利用梯度下降法和水平集方法推倒演化方程。我们用设计的模型对人工合成图像和心脏MRI图像进行了分割，得到了预期的效果。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
第1章 绪论 |
7-13 |
|
1.1 图像分割概述 |
7-8 |
|
1.2 基于主动视觉的分割模型 |
8-10 |
|
1.3 基于形状先验信息的分割 |
10-11 |
|
1.4 本文的主要工作 |
11-13 |
|
第2章 主动模型分析 |
13-25 |
|
2.1 变分数学基础 |
13-15 |
|
2.2.1 变分与泛函 |
13-14 |
|
2.2.2 泛函的极值 |
14-15 |
|
2.2 参数主动轮廓模型 |
15-18 |
|
2.2.1 Kass模型 |
15-17 |
|
2.2.2 Snake模型的改进 |
17-18 |
|
2.3 几何主动轮廓模型 |
18-22 |
|
2.3.1 模型的推导 |
18-19 |
|
2.3.2 水平集理论 |
19-22 |
|
2.4 图像分割的Mumford—Shah模型 |
22-25 |
|
第3章 基于先验形状的主动轮廓模型 |
25-38 |
|
3.1 引言 |
25-26 |
|
3.2 形状的学习 |
26-29 |
|
3.2.1 形状的表示 |
26-27 |
|
3.2.2 形状的校正 |
27-29 |
|
3.3 形状先验信息的捕获 |
29-33 |
|
3.4 基于先验信息的能量模型 |
33-38 |
|
第4章 数值试验结果与分析 |
38-50 |
|
4.1 数值实现 |
38-41 |
|
4.2 实验结果与分析 |
41-50 |
|
4.2.1 人工合成图像 |
41-44 |
|
4.2.2 医学MRI心脏图像 |
44-50 |
|
第5章 工作总结与展望 |
50-51 |
|
致谢 |
51-52 |
|
参考文献 |
52-54 |
|
| 【DOI】 | LunWen.ID:2.2008.365534 |
