本文選題：圖像分割 + 變分方法　； 參考：《重慶大學(xué)》2016年博士論文

【摘要】：圖像分割是從圖像處理到圖像分析的一項(xiàng)最為基礎(chǔ)的處理步驟和關(guān)鍵技術(shù),同時(shí)也一直是圖像分析與計(jì)算機(jī)視覺領(lǐng)域中的熱點(diǎn)和難點(diǎn)問題。圖像分割的目標(biāo)是把圖像的區(qū)域劃分為多個(gè)互不交迭的子區(qū)域,同時(shí)使圖像的某種特征屬性在同一子區(qū)域內(nèi)具有一致性,而在不同區(qū)域之間表現(xiàn)出明顯的差異性。近年來,基于變分思想的圖像分割方法憑借其結(jié)構(gòu)靈活、形式多樣以及性能優(yōu)越的特點(diǎn)受到了國內(nèi)外學(xué)者的廣泛重視。一般來說,變分分割模型是由若干項(xiàng)能量泛函之和構(gòu)成,其中每一項(xiàng)能量泛函可以反映待分割圖像的某些特征(灰度、邊緣、色彩和紋理等),也可以是待分割目標(biāo)的形狀和位置的先驗(yàn)知識。能量泛函是一種由圖像本身的低層次視覺屬性和待分割目標(biāo)的各種信息(或先驗(yàn)知識)的有機(jī)結(jié)合形成的靈活框架;通過最小化能量泛函迫使分割曲線(或曲面)演化,以期獲得分割區(qū)域的完整表達(dá),最終得到所希望的分割結(jié)果。本學(xué)位論文主要針對變分圖像分割的某些理論問題以及實(shí)際應(yīng)用中亟待解決的具體問題,構(gòu)造新的變分水平集模型,分析其理論性質(zhì),并提出有效的數(shù)值實(shí)現(xiàn)方案。本文的主要工作如下:1.針對變分分割模型的全局極值問題,提出一個(gè)凸變分水平集模型Mumford-Shah(MS)泛函作為最經(jīng)典的變分圖像分割模型,是許多現(xiàn)有變分圖像分割模型的基礎(chǔ),然而對它直接進(jìn)行數(shù)值求解是非常困難和復(fù)雜的,目前也沒有找到有效的數(shù)值方法。Chan和Vese結(jié)合水平集方法研究MS模型的簡化形式,提出了著名的Chan-Vese模型,開創(chuàng)了變分水平集模型的研究。之后大量變分水平集模型被提出。然而,現(xiàn)有絕大多數(shù)變分水平集模型由于其能量泛函的非凸性,極小化該能量泛函可能出現(xiàn)局部極小,從而可能使其無法得到正確的分割結(jié)果,因此分割結(jié)果極大地依賴于活動(dòng)輪廓的初始化。針對這一問題,本文提出一個(gè)嚴(yán)格凸的變分水平集圖像分割模型。該模型的能量泛函具有全局唯一極小點(diǎn),且介于-1和1之間。其演化方程的數(shù)值求解采用逐點(diǎn)收斂的半隱式數(shù)值方案。所提模型可以免于人工初始曲線的選擇并且允許在算法中設(shè)置停止條件。在人造圖像和真實(shí)圖像上的數(shù)值實(shí)驗(yàn)結(jié)果顯示了所提模型和算法的有效性和穩(wěn)定性。2.針對水平集函數(shù)的正則化問題,提出一個(gè)間接正則化水平集變分模型圖像分割通常會受噪聲、弱邊界等因素的影響,因此在變分水平集方法中,常常需要對水平集函數(shù)施加某種正則約束,如長度正則化、TV正則化、1H正則化�，F(xiàn)有變分水平集模型都是直接對水平集函數(shù)施加這種正則約束。本文提出一個(gè)間接正則化水平集的變分模型,水平集函數(shù)的正則化是通過引入一個(gè)輔助函數(shù)來間接實(shí)現(xiàn)的,其目的是使水平集函數(shù)的演化不受圖像強(qiáng)噪聲的干擾,同時(shí)避免活動(dòng)輪廓穿過弱邊界而導(dǎo)致邊界泄露。由于所提模型的能量泛函的凸性,因此所提模型對初始化非常魯棒。最后,我們采用交替極小算法求解該能量泛函并且證明所提算法收斂,因此避免了使用梯度下降流方法所帶來的一些局限。3.針對灰度不均圖像,提出一個(gè)由Retinex理論誘導(dǎo)的分片常值變分模型真實(shí)圖像往往會受到灰度不均(Intensity Inhomogeneity)的干擾,因?yàn)樵诔上襁^程中,由于成像儀器的缺陷,或不均勻的光照變化,等等,往往使成像圖像不可避免地呈現(xiàn)灰度偏移。對此類圖像進(jìn)行有效地分割,一直是圖像分割領(lǐng)域的一個(gè)巨大挑戰(zhàn)�；叶炔痪鶎�(dǎo)致圖像中不同區(qū)域的灰度分布重疊且使得同一區(qū)域的灰度也產(chǎn)生變化,這就極大地降低了圖像分割算法的精確性。為了處理灰度不均圖像,本文提出一個(gè)能同時(shí)達(dá)到圖像分割和偏場校正的變分模型。首先,基于Retinex理論我們將圖像分解為兩部分,即偏移場部分和結(jié)構(gòu)部分。根據(jù)Retinex理論的一般假設(shè),偏移場假定為在整個(gè)區(qū)域是光滑的,結(jié)構(gòu)部分具有分片常值屬性。我們通過對圖像的結(jié)構(gòu)部分進(jìn)行建模,同時(shí)結(jié)合Retinex分解,提出了一個(gè)同時(shí)實(shí)現(xiàn)圖像分割和灰度偏移校正的變分模型。采用交替極小算法對所提模型進(jìn)行有效的數(shù)值求解。實(shí)驗(yàn)結(jié)果表明,該模型能夠達(dá)到全局極小,對水平集初始化不敏感,同時(shí)有較高的分割效率與精度。4.設(shè)計(jì)一種兩步方法用來分割合成孔徑雷達(dá)漏油圖像合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)圖像的目標(biāo)跟蹤和目標(biāo)識別技術(shù)已經(jīng)被廣泛地應(yīng)用到國民經(jīng)濟(jì)和軍事領(lǐng)域中,因此具有非常重要的研究意義。然而此類圖像具有強(qiáng)噪聲、低對比度、灰度不均等特征,使得分割此類圖像成為一項(xiàng)非常困難的任務(wù)。針對一類SAR圖像(海洋平面漏油的SAR圖像),本文設(shè)計(jì)了一種兩步方法提取漏油區(qū)域。第一階段是基于SAR圖像退化模型通過同態(tài)濾波抑制圖像散射效應(yīng),從而獲得增強(qiáng)圖像。一旦獲得增強(qiáng)圖像,我們在第二階段提出一個(gè)分割增強(qiáng)圖像的變分模型,該模型的數(shù)據(jù)項(xiàng)是基于分片常數(shù)的方式構(gòu)建的;另外,在能量泛函中引入一個(gè)Cahn-Hilliard正則項(xiàng)。通過交替極小方案可以對該模型進(jìn)行數(shù)值求解。對漏油圖像的數(shù)值實(shí)驗(yàn)顯示,該方法在有效性和精確性方面要優(yōu)于最近提出的兩個(gè)代表性方法。
[Abstract]:Image segmentation is the most basic processing step and key technology in image analysis and image analysis , and it has been a focus and difficult problem in the field of image analysis and computer vision . Based on Retinex theory , we propose a variational model for image segmentation and offset correction .
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動(dòng)化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2010年02期

5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學(xué)報(bào);2011年05期

7 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

8 汪梅;何高明;賀杰;;常見圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年06期

9 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進(jìn)展[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2013年33期

相關(guān)會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動(dòng)化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

9 帥永e，

本文編號：2027104