基于灰度水平集的图像去噪与分割研究

发布时间：2021-12-25 09:51

　　图像分割是图像处理前期的一个十分重要的步骤,准确的分割结果可以简化图像信息,减少图像中的无关数据,提高后续图像处理任务的有效性。利用变分和偏微分方程的图像分割方法在近年来得到快速发展,水平集的引入更是为其注入了新的活力。噪声的污染加大了图像分割工作的困难度,现有的分割模型主要是针对加性噪声图像,而乘性噪声图像的分割方法还没有得到深入的研究。针对被乘性噪声破坏的图像,本文提出一类基于灰度水平集的两阶段快速分割模型。第一阶段提出一个新的基于变分的乘性去噪模型对原始噪声图像进行去噪操作,作为第二阶段分割的辅助工作;第二阶段在仅包含区域拟合项的简化CV模型框架下,提出一种基于离散的图像灰度水平集的分割方法,对光滑后的图像进行快速分割。在理论方面,利用变分法推导出新模型的梯度下降流方程,进行了理论分析,证明了泛函全局最小值的存在性。两阶段模型不需要进行水平集的重新初始化,在保证分割效果的基础上缩短了分割时间。针对灰度不均匀的乘性噪声图像,本文受LIC模型的思想启发提出一种改进的全局分割模型。利用简化的梯度下降流方程结合全局凸分割的方法得到一个凸的能量泛函,然后引入了边缘检测函数得到了改进的全局模... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

Lenna图像不同灰度水平集

带有乘性噪声的合成图像分割

d)CV 二值图 e)两阶段分割轮廓线 f)两阶段二值图图 3-1 分割乘性噪声合成图像表 3-1 分割图像 CPU 时间图像 CV 分割时间(s) 两阶段分割时间(s)合成图像 10.2976 0.6359Cameraman 图像肝脏图像多区合成图像25.948417.792927.60491.30131.54211.4002


本文编号：3552241