论文部分内容阅读
图像分割是一种将图像中所包含的感兴趣区域与背景区域分开,并且提取出目标区域的图像处理技术。作为一种关键性的基础操作,图像分割技术已经成为图像处理领域非常重要的研究内容之一。主动轮廓(也称为Snake)模型凭借其良好的分割特性,在图像分割领域应用广泛。梯度矢量流(Gradient Vector Flow,GVF)主动轮廓模型改善了传统Snake模型对初始轮廓线位置较为敏感的问题,并且对于凹型区域的分割性能也有所提升。GVF Snake模型作为一种经典且有效的外力场改进模型也备受研究者关注。本文首先介绍了图像分割的背景和意义,并且对图像分割的概念进行了描述。然后介绍了几种经典的基础分割方法;之后重点介绍了Snake模型和GVF Snake模型的分割方法,相比于Snake模型,GVF Snake外力场的作用范围更大,分割效果更佳。然而GVF Snake模型在分割过程中也存在一些问题,针对这些不足之处,本文提出了两种改进方法。(1)GVF Snake模型在分割带有尖角的目标时,曲线很难收敛到尖角处。针对这一问题,本文提出结合角点信息GVF Snake模型图像分割方法。首先,运用基于边缘轮廓曲率的角点检测方法,检测出图像中的角点位置,并且在边缘线上和角点处对GVF场进行局部修正,然后结合角点信息给出局部角点力,最后将角点力与修正后的GVF场相结合得出一种新的外力场。实验证明,本文改进的GVF Snake模型能够更好的收敛到图像的尖角处。(2)GVF Snake模型相比于传统的Snake模型在分割凹型边界性能方面有了一定的提升。然而,对于深凹区域的分割,GVF Snake模型仍然很难收敛到深凹区域底部,并且GVF Snake模型对于噪声的鲁棒性以及边缘保护方面也存在不足。针对这些问题,根据广义GVF(Generized GVF,简称为GGVF)Snake模型,本文提出了基于图像结构信息各项异性GGVF(Image Structure Anisotropic GGVF,简称ISAGGVF)Snake模型。首先,求出图像的结构张量,然后根据图像结构张量构建各项异性扩散矩阵。最后将GGVF Snake模型中的各项同性扩散替换成各项异性扩散矩阵。这样外力场中的扩散项就是根据图像的结构信息自适应调节扩散系数。实验证明,本文改进的模型能够准确收敛到深凹底部,并且对于噪声具有一定的鲁棒性。