基于局部和全局信息的水平集图像分割算法

发布时间：2023-10-17 18:57

　　医学图像和雷达图像虽为灰度图像,但由于仪器的检测方式的固有缺点,使得所得到的图像存在边缘模糊和复杂的能量信息分布。自然彩色图像往往存在多目标相同颜色和同目标不同颜色的问题,提高了识别的难度。水平集算法既可以作为预处理步骤,也可以用作最终分割结果的获取,还可以将诸如聚类,阈值等预处理步骤添加到水平集模型中,还可以集成在其他分割算法(例如k均值)中。水平集算法具有良好的拓扑识别能力和稳定的封闭轮廓保持能力。为了更加详细了解水平集算法的特性,提升算法的性能,本文主要做了以下工作:(1)本文在总结近十年水平集算法的同时,还对常见算法在性能和优缺点上进行了实验对比,实验图像为医学图像和合成强度不均匀图像。从性能上看,水平集算法在分割速度和稳定性上都有较大提升,并且在抗噪优化方面有显著效果。在对比后总结了未来水平集发展可能的方向。(2)将泰勒扩展数值优化和偏置域矫正代入传统水平集能量项中,提升分割的稳定性,将新的基于图像数值均方差映射函数的能量信息项加入到水平集函数中。通过改进现有算法,提出了基于全局能量优化和局部能量分割的水平集算法,从色彩空间图像、函数多相处理和参数初始化等多方面进行算法优化。...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 课题研究背景与意义
    1.2 国内外研究现状
    1.3 论文主要工作与章节安排
    1.4 本章总结
第二章 水平集图像分割算法
    2.1 水平集算法原理
        2.1.1 曲线演进
        2.1.2 基于边缘的水平集算法
        2.1.3 基于区域的水平集算法
    2.2 基于边缘的算法
        2.2.1 约束水平集扩散 (CLSD)
        2.2.2 距离正则化水平集演进 (DRLSE)
        2.2.3 反应扩散 (RD)
        2.2.4 局部信息拟合
        2.2.5 加权水平集演进 (WLSE)
        2.2.6 SAR图像中的L分布
    2.3 本章总结
第三章 区域能量水平集图像分割方法
    3.1 基于区域的水平集算法分类
        3.1.1 聚类
        3.1.2 贝叶斯风险和贝叶斯分析
        3.1.3 分水岭变换
        3.1.4 马尔可夫随机场 (MRF)
        3.1.5 图割
        3.1.6 其他
    3.2 常见算法对比
        3.2.1 性能对比
        3.2.2 水平集的弊端及其发展
    3.3 本章总结
第四章 基于局部信息和全局映射的水平集算法
    4.1 基于局部偏置域矫正和均方差映射的水平集图像分割算法
    4.2 算法优化
        4.2.1 色彩空间优化
        4.2.2 数值优化
        4.2.3 多区域多相扩展
    4.3 总结
第五章 实验分析对比
    5.1 提出的算法在灰度图像中的应用
        5.1.1 初始化和迭代次数
        5.1.2 合成和真实图像的分割结果
        5.1.3 医学图像的分割结果
        5.1.4 比较
    5.2 提出的算法在彩色图像中的应用
    5.3 本章总结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
在学期间的研究成果
致谢



本文编号：3854825