结合纹理特征的局域化多通道水平集分割算法的研究

论文摘要

图像分割是图像处理领域的关键环节,在医学图像处理、遥感卫星图像处理、视频图像处理等方面都有重要的应用,纹理图像的分割是图像处理中一项难题,而对于背景复杂凌乱的图像,得到精确的目标轮廓线更是困难。经典的基于区域的主动轮廓模型是Chan-Vese模型。C-V模型克服了图像梯度信息对分割结果的影响,具有一定的抗噪声能力。C-V模型是一种标量场模型,仅利用了图像的灰度信息,针对这一问题,将其扩展到多通道C-V模型,从而适用于矢量图像的分割。这两种模型都是全局化的模型,考虑到演化过程中曲线内部和外部特征属性不均匀的图像不能得到局部最优解,针对这一问题,本文提出了一种局域化多通道主动轮廓模型。将曲线的演化限定在其附近的一条窄带上进行,忽略了远离曲线的像素点对曲线演化造成的影响,通过计算各像素在局部区域的最小能量得到目标轮廓线。通过三种纹理分析方法提取纹理特征,分别用灰度共生矩阵（Gray Level Co-occurance Matrix, GLCM）、Gabor滤波及非抽样的Contourlet变换（Nonsubsampled Contourlet Transform,SCT）,得到不同尺度、方向上的纹理信息。结合图像灰度信息作为模型的多个输入通道,针对纹理图像以及背景复杂凌乱的图像进行分割实验,得到精确的目标轮廓线,证明了该方法的有效性和准确性。针对目标遮挡问题,本文也做了研究,算法结合先验形状信息,对于残缺的目标进行分割,仍能得到完整的目标轮廓线。考虑到图像目标平移、旋转及缩放问题,引入了仿射变换。实验验证了结合先验形状信息的模型,可以很好地解决以上问题。

论文目录

• 摘要
• Abstract
• 1 图像分割概述
• 1.1 研究背景和意义
• 1.2 图像分割的定义和分类
• 1.2.1 图像分割的定义
• 1.2.2 图像分割的分类
• 1.3 本文的主要工作
• 2 水平集方法概述
• 2.1 曲线的参数化表示
• 2.2 水平集方法理论
• 2.3 水平集方法数值计算
• 3 基于区域信息的主动轮廓模型
• 3.1 Mumford-Shah模型
• 3.2 C-V分割模型
• 3.3 多通道主动轮廓模型
• 3.4 本章小结
• 4 局域化构架分割模型
• 4.1 纹理分析方法
• 4.1.1 灰度共生矩阵（GLCM）
• 4.1.2 Gabor变换
• 4.1.3 非抽样Contourlet变换（NSCT）
• 4.2 局域化构架
• 4.3 局域化多通道模型
• 4.4 局域化模型实验结果及分析
• 4.4.1 实验结果
• 4.4.2 实验分析
• 4.5 本章小节
• 5 结合先验形状的分割模型
• 5.1 先验形状模型概述
• 5.2 基于先验形状信息的能量模型
• 5.2.1 简单先验形状模型
• 5.2.2 引入仿射变换的先验形状模型
• 5.2.3 实验结果及分析
• 5.3 本章小节
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢