《主動(dòng)輪廓圖像分割綜述.ppt》由會(huì)員分享，可在線閱讀，更多相關(guān)《主動(dòng)輪廓圖像分割綜述.ppt（15頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

1、主動(dòng)輪廓圖像分割綜述 基于PDE的主動(dòng)輪廓圖像分割（主要使用水平集）主動(dòng)輪廓圖像分割：將目標(biāo)邊緣整體化，通過完整的輪廓曲線經(jīng)過特定的算法自動(dòng)的將目標(biāo)與背景分割開。分割流程： 建立一個(gè)能量泛函 在圖上給出一個(gè)初始輪廓用變分法最小化能量泛函使輪廓曲線在自身的內(nèi)力和圖像信息的外力下發(fā)生形變 曲線演化到目標(biāo)邊界時(shí)能量達(dá)到最小 實(shí)現(xiàn)目標(biāo)與背景的分割 參數(shù)主動(dòng)輪廓模型：基于拉格朗日方程框架，以弧長等參數(shù)顯式地表達(dá)演化曲線。（snake模型）幾何主動(dòng)輪廓模型：基于歐拉方程框架，用水平集函數(shù)的零水平集來表示輪廓曲線。 基于邊緣：利用圖像梯度信息，對噪聲敏感，結(jié)果依賴 初始化的設(shè)置。（GAC） 基于區(qū)域：從統(tǒng)計(jì)

2、上對前景和背景進(jìn)行建模仿真，通過尋找一個(gè)最優(yōu)能量來使模型最佳擬合原圖像。(MS-CV,LBF)主動(dòng)輪廓的演化過程就是頂點(diǎn)序列的迭代過程，每次迭代得到頂點(diǎn)序列的新位置并計(jì)算得到的新參數(shù)。 利用水平集來實(shí)現(xiàn)圖像分割流程：建立能量泛函 引入水平集函數(shù)用水平集函數(shù)表示能量泛函 使用變分法得到拉格朗日歐拉方程 使用梯度下降法得到關(guān)于時(shí)間的PDE 使用有限差分法 PDE的解即為最終的分割邊界 獲得了一個(gè)包含所需曲線的曲面，然后進(jìn)行演化：基于邊緣梯度信息或基于區(qū)域特征（只有曲面演化速度方程不同）曲面演化速度方程即水平集演化方程： 在曲線演化過程中，由于圖像的離散性和噪聲的干擾，水平集函數(shù)經(jīng)過一段時(shí)間后會(huì)發(fā)生

3、震蕩，并逐漸失去光滑性和距離函數(shù)特性，出現(xiàn)尖角或平坦的現(xiàn)象，從而導(dǎo)致最終的計(jì)算結(jié)果偏離真實(shí)情況。早期研究人員提出通過周期性重新初始化來解決，現(xiàn)在普遍使用李春明教授提出的在能量函數(shù)中嵌入能量懲罰項(xiàng)來解決這一問題。基于水平集的主動(dòng)輪廓模型（幾何活動(dòng)輪廓）： 不可表示點(diǎn)和非閉合曲線，不可描述有相交點(diǎn)的曲線變化。可處理演化曲線的拓?fù)浣Y(jié)構(gòu)改變，計(jì)算穩(wěn)定，但計(jì)算慢?；谶吔纾篏AC(1 9 9 7 ) 利用邊界信息，對噪聲敏感，依賴初始曲線的選取。利用 圖像灰度值的突變?；趨^(qū)域：MSCVPSRSF(LBF)新的局部區(qū)域分割模型【Zhang,2 0 1 0】不利用梯度信息，對弱邊界目標(biāo)仍有好的分割效果，將

4、圖像分割成相似的區(qū)域。 MS： CV: PS: RSF: 水平集將曲線演化轉(zhuǎn)化成一個(gè)純粹的求PDE數(shù)值解的問題。源于變分原理的PDE方法將所研究的圖像處理問題歸結(jié)為一個(gè)求泛函極值的問題。求解過程：用變分法導(dǎo)出一組PDE（有初始條件或邊界條件以此保證PDE有實(shí)際意義）求能量函數(shù)極值，求極值函數(shù)的歐拉微分，最后利用梯度下降法獲得PDE.用PDE的數(shù)值方法求解（有限差分法）利用等間隔網(wǎng)格化后的離散圖像中相鄰點(diǎn)的值只差與此相鄰點(diǎn)間的距離之比來近似函數(shù)的偏導(dǎo)數(shù)。 此解為一幅圖像（圖像增強(qiáng)，圖像修復(fù)）或?yàn)閳D像和它的邊界（圖像分割） 基于水平集的圖像分割研究趨勢：水平集計(jì)算效率：水平集函數(shù)初始化；自適應(yīng)步長；初始化函數(shù)：基于多分辨技術(shù)；水平集與其它方法融合：基于分水嶺；基于SVM；基于核空間；基于圖割；基于隨機(jī)場；（主要是給分割提供先驗(yàn)知識(shí)，先粗分再細(xì)分）多相水平集分割：即多目標(biāo)分割，關(guān)鍵在于如何自動(dòng)確定待分割區(qū)域的數(shù)目。分割灰度不均勻圖像：（醫(yī)學(xué)圖像，核磁共振圖像，遙感圖像）提升抗噪能力和計(jì)算效率。真實(shí)運(yùn)動(dòng)目標(biāo)的分割：與目標(biāo)跟蹤相結(jié)合，分割為跟蹤提供輪廓信息解決遮擋問題，跟蹤為分割提供關(guān)于目標(biāo)區(qū)域的先驗(yàn)信息提升分割效率和結(jié)果。