圖像分割是圖像處理前期的一個(gè)十分重要的步驟,準(zhǔn)確的分割結(jié)果可以簡(jiǎn)化圖像信息,減少圖像中的無(wú)關(guān)數(shù)據(jù),提高后續(xù)圖像處理任務(wù)的有效性。利用變分和偏微分方程的圖像分割方法在近年來(lái)得到快速發(fā)展,水平集的引入更是為其注入了新的活力。噪聲的污染加大了圖像分割工作的困難度,現(xiàn)有的分割模型主要是針對(duì)加性噪聲圖像,而乘性噪聲圖像的分割方法還沒(méi)有得到深入的研究。針對(duì)被乘性噪聲破壞的圖像,本文提出一類基于灰度水平集的兩階段快速分割模型。第一階段提出一個(gè)新的基于變分的乘性去噪模型對(duì)原始噪聲圖像進(jìn)行去噪操作,作為第二階段分割的輔助工作;第二階段在僅包含區(qū)域擬合項(xiàng)的簡(jiǎn)化CV模型框架下,提出一種基于離散的圖像灰度水平集的分割方法,對(duì)光滑后的圖像進(jìn)行快速分割。在理論方面,利用變分法推導(dǎo)出新模型的梯度下降流方程,進(jìn)行了理論分析,證明了泛函全局最小值的存在性。兩階段模型不需要進(jìn)行水平集的重新初始化,在保證分割效果的基礎(chǔ)上縮短了分割時(shí)間。針對(duì)灰度不均勻的乘性噪聲圖像,本文受LIC模型的思想啟發(fā)提出一種改進(jìn)的全局分割模型。利用簡(jiǎn)化的梯度下降流方程結(jié)合全局凸分割的方法得到一個(gè)凸的能量泛函,然后引入了邊緣檢測(cè)函數(shù)得到了改進(jìn)的全局模... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Lenna圖像不同灰度水平集

帶有乘性噪聲的合成圖像分割

d)CV 二值圖 e)兩階段分割輪廓線 f)兩階段二值圖圖 3-1 分割乘性噪聲合成圖像表 3-1 分割圖像 CPU 時(shí)間圖像 CV 分割時(shí)間(s) 兩階段分割時(shí)間(s)合成圖像 10.2976 0.6359Cameraman 圖像肝臟圖像多區(qū)合成圖像25.948417.792927.60491.30131.54211.4002


本文編號(hào)：3552241