论文部分内容阅读
活动轮廓模型是一条闭合轮廓曲线在构造的能量函数最小化过程中形变收敛于目标边界的演化模型,其具有无可比拟的优势,在图像分割领域得到广泛的研究和应用。本文对参数活动轮廓模型和几何活动轮廓模型在目标轮廓提取中的应用作了系统的研究和改进,主要在以下几个方面作了拓展和创新工作。
在深入研究参数活动轮廓模型——梯度矢量流活动轮廓模型(GVF Snake)和气球力模型的基础上,提出了基于梯度矢量流场决定轮廓曲线上各点压力方向的气球力模型。GVF模型能很好地解决传统参数活动轮廓模型外力作用范围小的问题,并能完成对检测目标深度凹形区域的收敛。但GVF模型在初始曲线时,存在"临界点"问题,不能收敛于"哑铃"形区域。气球力模型更要求初始曲线必须初始于目标边界内部或外部。本文提出的改进模型,充分利用了GVF场中扩展外力项所具有的大区域捕获目标边界能力,以及气球力模型所具有的对深凹形和“哑铃”形区域的强收敛能力,可以实现对复杂几何结构边界的提取。
对于提出的基于梯度矢量流场决定压力方向的气球模型,因为存在计算GVF场的过程,造成模型的运算量太大,而模型在处理复杂图像时,GVF场虽有大区域捕获目标优势,但也存在不能正确决定法向形变方向的问题。针对这一问题,本文进一步提出基于全局信息比较决定压力方向的模型,即利用各区域灰度信息进行Chan-Vese能量函数最小化,以决定压力形变的方向或大小,从而使得停止函数不再单一依赖于图像的局部梯度信息,对复杂几何结构边界和模糊边界可获得理想收敛结果。改进后的模型初始化要求低,收敛性好,具有全局优化性。几何活动轮廓模型和水平集理论相结合的曲线演化方法是一种得到深入研究和广泛应用的分割方法。本文分析了Chan-Vese演化过程中对远离零水平集目标采用的扩展捕获方法,利用二轮递进演化和背景灰度的期望值反转完成了Chan-Vese多相目标分割方法。此外,Chan-Vese方法作为Mumford-Shah的简化模型,因其水平集函数在演化过程中的全区域变化,会造成计算量极大,严重影响曲线形变速度。本文运用模板运算,提高了Chan-Vese模型演化速度。