圖像分割是圖像識(shí)別,目標(biāo)跟蹤等任務(wù)的預(yù)處理步驟,在圖像處理中占據(jù)重要地位,可用于醫(yī)學(xué)檢測(cè)和交通控制等多個(gè)與計(jì)算機(jī)視覺相關(guān)的方面。但是圖像分割由于待分割圖像數(shù)據(jù)的特殊性和多樣性,一直沒有通用的方法出現(xiàn),同時(shí)平衡圖像分割的精確度和算法的實(shí)施性也是研究過程中一個(gè)需要考慮的問題。水平集方法由于其自由變換拓?fù)浣Y(jié)構(gòu)的特點(diǎn),在圖像分割領(lǐng)域取得了優(yōu)秀的分割結(jié)果。本文對(duì)水平集理論及水平集方法在圖像分割中的應(yīng)用進(jìn)行了深入研究,主要研究?jī)?nèi)容如下:首先,介紹了水平集理論的原理方法,曲線演化理論的具體知識(shí)和水平集方法實(shí)施時(shí)的數(shù)值計(jì)算過程,并介紹了圖像分割的客觀評(píng)價(jià)準(zhǔn)則,為本文中的實(shí)驗(yàn)分析提供客觀依據(jù)。隨后介紹了CV模型,DRLSE模型和SBGFRLS模型這三種經(jīng)典的水平集模型,分別闡述各模型的理論基礎(chǔ),并對(duì)這三種水平集模型進(jìn)行仿真實(shí)驗(yàn),總結(jié)分析其分割效果和優(yōu)缺點(diǎn)。其次,針對(duì)灰度圖像中像素分布不均勻現(xiàn)象影響圖像分割結(jié)果的問題,本文提出一種結(jié)合概率知識(shí)的水平集灰度圖像分割模型。針對(duì)分布不均勻的灰度圖像,該算法使用偏置場(chǎng)函數(shù)描述不均勻成分,同時(shí)使用擬合函數(shù)表示圖像輪廓內(nèi)外像素點(diǎn)強(qiáng)度,與原圖像擬合程度更高;結(jié)合圖像單點(diǎn)... 

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 水平集理論的研究現(xiàn)狀
    1.3 論文的主要內(nèi)容與章節(jié)安排
第二章 水平集理論介紹
    2.1 引言
    2.2 水平集理論
        2.2.1 曲線演化理論
        2.2.2 水平集方法
        2.2.3 數(shù)值計(jì)算
        2.2.4 主動(dòng)輪廓模型
    2.3 圖像分割評(píng)價(jià)準(zhǔn)則
    2.4 本章小結(jié)
第三章 水平集圖像分割模型
    3.1 引言
    3.2 基于全局信息的CV水平集模型
        3.2.1 模型原理介紹
        3.2.2 實(shí)驗(yàn)結(jié)果及分析
    3.3 距離正則化水平集模型
        3.3.1 模型原理介紹
        3.3.2 實(shí)驗(yàn)結(jié)果及分析
    3.4 區(qū)域與邊緣信息相結(jié)合的水平集模型
        3.4.1 模型原理介紹
        3.4.2 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第四章 結(jié)合概率知識(shí)的水平集灰度圖像分割算法
    4.1 引言
    4.2 結(jié)合局部信息的水平集模型分割原理
    4.3 結(jié)合概率知識(shí)的水平集圖像分割算法
        4.3.1 結(jié)合概率知識(shí)的水平集模型原理
        4.3.2 算法步驟及流程圖
        4.3.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 結(jié)合顯著性特征的水平集彩色圖像分割算法
    5.1 引言
    5.2 圖像顯著性特征
    5.3 結(jié)合顯著性特征的水平集圖像分割算法
        5.3.1 結(jié)合顯著性特征的水平集分割方法
        5.3.2 算法步驟及流程圖
        5.3.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3713668