| 【中文题名】 | 基于偏微分方程的图像分割算法研究与应用 |
| 【英文题名】 | |
| 【学科专业】 | 系统工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-12-6 |
| 【中关键词】 | 偏微分方程,图像分割,主动轮廓模型,水平集方法,, |
| 【英关键词】 | partial differential equation,image segmentation,active contour model,level set method, |
| 【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】 | 基于偏微分方程的图像分割方法，特别是基于主动轮廓模型的图像分割方法，近年来研究十分活跃，成为图像处理研究领域一项受到广泛关注的技术。
本文首先对现有的图像分割方法、图像处理中的偏微分方程方法以及基于偏微分方程的主动轮廓算法进行了综述。然后针对主动轮廓模型进行了研究，其主要内容包括：(1)研究了一种基于图像边界的几何主动轮廓算法，并且采用了一种自适应的符号距离函数构造方法来加快该算法的计算速度；(2)提出了一种基于Mumford-Shah模型的Chan-Vese分割算法的改进方法，在原始模型基础上引入了一个罚能量项，使得改进算法不仅可以避免某些图像在曲线演化过程中的重新初始化，而且可以采用更为灵活的初始化方法(水平集函数可以不严格定义为符号距离函数)，从而改善了图像分割的效果同时有效提高了算法的速度；(3)实现了一种可用于分割多个目标的基于简化Mumford-Shah模型的多相水平集算法；(4)实现了一种多分辨率的主动轮廓序列图像跟踪算法；(5)实现了一种基于主动轮廓模型的运动目标检测算法，该算法先用差分法来确定运动目标区域，再利用改进的Chan-Vese算法分割出目标，最后利用改进的区域生长方... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
1 绪论 |
7-17 |
|
1.1 图像分割的意义 |
7-8 |
|
1.2 图像分割方法概述 |
8-11 |
|
1.3 图像处理中的偏微分方程方法 |
11-14 |
|
1.3.1 偏微分方程方法的引入 |
11-13 |
|
1.3.2 经典的偏微分方程模型 |
13-14 |
|
1.4 本文的主要工作 |
14-17 |
|
2 基于偏微分方程的主动轮廓模型算法概述 |
17-25 |
|
2.1 主动轮廓模型的表达方式 |
17-18 |
|
2.2 参数主动轮廓模型 |
18-20 |
|
2.3 几何主动轮廓模型 |
20-23 |
|
2.4 本章小结 |
23-25 |
|
3 基于曲线演化和水平集方法的图像分割算法 |
25-49 |
|
3.1 曲线演化理论和水平集方法 |
25-30 |
|
3.1.1 曲线演化理论 |
25-26 |
|
3.1.2 水平集理论 |
26-28 |
|
3.1.3 水平集方法的数值计算及其快速算法 |
28-30 |
|
3.2 一种基于图像边界的几何主动轮廓模型算法 |
30-37 |
|
3.2.1 算法原理 |
30-32 |
|
3.2.2 算法实现 |
32-34 |
|
3.2.3 实验结果与分析 |
34-35 |
|
3.2.4 一种自适应的符号距离函数构造方法 |
35-37 |
|
3.3 基于简化Mumford-Shah模型的分割算法 |
37-43 |
|
3.3.1 算法原理 |
37-39 |
|
3.3.2 对Chan-Vese算法的改进 |
39-40 |
|
3.3.3 实验结果与分析 |
40-43 |
|
3.4 基于简化Mumford-Shah模型的多相水平集算法 |
43-47 |
|
3.4.1 算法原理 |
43-45 |
|
3.4.2 算法实现 |
45-46 |
|
3.4.3 实验结果与分析 |
46-47 |
|
3.5 本章小结 |
47-49 |
|
4 主动轮廓模型在序列图像跟踪及运动目标检测上的应用 |
49-57 |
|
4.1 基于多分辨率方法的主动轮廓模型及在序列图像跟踪上的应用 |
49-53 |
|
4.1.1 多分辨率方法 |
49-50 |
|
4.1.2 基于多分辨率方法的主动轮廓模型序列图像跟踪 |
50-52 |
|
4.1.3 实验结果与分析 |
52-53 |
|
4.2 基于主动轮廓模型的运动目标检测 |
53-56 |
|
4.2.1 运动目标检测算法 |
54-55 |
|
4.2.2 算法实现 |
55-56 |
|
4.2.3 实验结果与分析 |
56 |
|
4.3 本章小结 |
56-57 |
|
结束语 |
57-59 |
|
致谢 |
59-61 |
|
参考文献 |
61-66 |
|
| 【DOI】 | LunWen.ID:2.2008.365794 |
