多相图像分割Vese-Chan模型的算法研究

发布时间：2021-05-11 06:14

　　多相图像分割是图像处理与分析的重要技术,在多目标检测与识别、三维图像分割与重建等相关问题中得到了广泛的应用。多相图像分割的目的是根据待分割图像的特征,将图像自动分割成无重叠、无间隙的区域,是基于变分框架的两相图像分割的自然延伸。变分图像分割的Vese-Chan模型是一种典型的多相图像分割模型,该模型使用较少的标记函数构造区域划分的特征函数,具有求解规模小的优点。针对该模型,本文的主要工作包括:1.提出基于多相图像分割Vese-Chan模型的矢量化连续最大流（Vectorized Continuous Max-Flow,VCMF）方法。本文根据划分区域顺序编号的二进制表示构造两类特征函数,将多相图像分割问题转化为两相图像分割问题。对标记函数采用矢量化处理,并且引入对偶变量将模型转化为连续最大流问题,具备图割（Graph Cut,GC）算法的高效性,且克服了由于离散导致的精度下降问题。2.提出基于无冗余参数估计的多相图像分割Vese-Chan模型。针对分割图像存在冗余相而产生冗余参数估计、增加计算时间的问题,本文对冗余区域引入了面积约束条件。使用特征函数的自动构造方法,保留对特征函数的系统... 

【文章来源】：青岛大学山东省

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
    1.4 本文章节安排
第二章 变分图像分割的模型及算法
    2.1 总变差模型
    2.2 两相图像分割模型
    2.3 多相图像分割模型
    2.4 分割模型的快速算法
        2.4.1 对偶方法
        2.4.2 分裂Bregman方法
        2.4.3 交替方向乘子算法
        2.4.4 连续最大流方法
    2.5 本章小结
第三章 多相分割Vese-Chan模型的矢量化连续最大流方法
    3.1 多相分割Vese-Chan模型的矢量化表达
    3.2 多相分割Vese-Chan模型的矢量化连续最大流方法
    3.3 数值实验与分析
        3.3.1 采用2个二值标记函数的数值实验
        3.3.2 采用3个二值标记函数的数值实验
        3.3.3 采用4个二值标记函数的数值实验
    3.4 本章小结
第四章 基于无冗余参数估计的Vese-Chan模型及其ADMM算法
    4.1 基于无冗余参数估计的灰度Vese-Chan模型及其ADMM算法
    4.2 基于无冗余参数估计的彩色Vese-Chan模型及其ADMM算法
    4.3 数值实验与分析
        4.3.1 无冗余区域的数值实验
        4.3.2 存在冗余区域的灰度图像数值实验
        4.3.3 存在冗余区域的彩色图像数值实验
    4.4 本章小结
第五章 总结与展望
    5.1 本文的工作总结
    5.2 今后的工作展望
参考文献
攻读学位期间的研究成果
致谢


【参考文献】：
期刊论文
[1]多相图像分割的Split-Bregman方法及对偶方法[J]. 王琦,潘振宽,魏伟波.  计算机辅助设计与图形学学报. 2010(09)
[2]三维图像多相分割的变分水平集方法[J]. 潘振宽,李华,魏伟波,郭振波,张春芬.  计算机学报. 2009(12)

博士论文
[1]图上数据多分类问题的非局部变分模型及其快速算法研究[D]. 郑世秀.青岛大学 2017



本文编号：3180884