基于主动轮廓模型和水平集方法的图像分割
西安电子科技大学硕士学位论文基于主动轮廓模型和水平集方法的图像分割姓名：林维诗申请学位级别：硕士专业：电路与系统指导教师：李洁20100101摘要摘要图像分割技术是图像处理中的一项关键技术，分割结果直接影响后续的图像分析和理解的效果。近年来，主动轮廓模型（ＡｃｔｉｖｅＣｏｎｔｏｕｒＭｏｄｅｌ，ＡＣＭ）由于其能较好地处理局部间断边缘等特性，受到人们的关注；而水平集方法（ＬｅｖｅｌＳｅｔＭｅｔｈｏｄ）用定义在高维空间中的水平集函数替代了ＡＣＭ方法中的参数曲线的演化，成功地解决了曲线演化中拓扑结构变化的问题。主动轮廓模型和水平集方法已成为图像分割研究的一个重要的方向。为了提供一个开放的医学图像分割算法平台，本文研究和探讨了多种基于主动轮廓模型和水平集的图像分割方法，并辅助基本的图像操作功能，搭建编写了医学图像分割系统平台软件系统。本文首先实现并比较了两种参数主动轮廓模型（Ｓｎａｋｅ，ＧＶＦ．Ｓｎａｋｅ），并应用于医学图像分割，然后研究并实现了两种水平集方法：无重新初始化的水平集（ＬｅｖｅｌＳｅｔＷｉｔｈｏｕｔＲｅｉｎｉｔｉａｌｉｚａｔｉｏｎ，ＬＳＷＲ）、基于区域特征的水平集（ＬｅｖｅｌＳｅｔＷｉｔｈｏｕｔＥｄｇｅｓ，ＬＳＷＥ）；最后，基于ＭｉｃｒｏｓｏｆｔＭＦＣ开发了基于主动轮廓模型的医学图像分割系统，该系统提供通用的图像基本操作功能，并支持ＤＩＣＯＭ格式医学图像和普通的ＢＭＰ、口ＥＧ图像；通过统一的算法集成接口，集成了多种分割方法，提供了一个开放的算法平台，实现了算法在二进制级上的复用。
关键词：图像分割主动轮廓模型水平集面向对象设计ＮＦＯＡｂｓｔｒａｅｔＡｂｓｔｒａｃｔＩｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｉｓａｋｅｙｔｅｃｈｎｏｌｏｇｙｉｎｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ，ａｎｄｉｔｇｉｖｅｓ
ａｄｉｒｅｃｔｉｎｆｌｕｅｎｃｅｏｎｉｍａｇｅａｎａｌｙｓｉｓａｎｄｕｎｄｅｒｓｔａｎｄｉｎｇ．Ｂｅｉｎｇｃａｐａｂｌｅｏｆｄｅｔｅｃｔｉｎｇ
ｔｈｅ
ｓｎａｔｃｈｙｂｏｕｎｄａｒｉｅｓｂｙａｃｌｏｓｅｄｃｕｒｖｅ，ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｓ（ＡＣＭ）ｈａｖｅｒｅｃｅｉｖｅｄａ
ｗｉｄｅａｔｔｅｎｔｉｏｎ．Ｌｅｖｅｌｓｅｔｍｅｔｈｏｄｓｕｃｃｅｓｓｆｕｌｌｙｄｅａｌｓ、析ｍｔｈｅｔｏｐｏｌｏｇｉｃａｌｃｈａｎｇｅｏｆａｃｔｉｖｅｃｏｎｔｏｕｒｉｎａｎｅｌｅｇａｎｔｗａｙｂｙｅｖｏｌｖｉｎｇａｌｅｖｅｌｓｅｔｒｕｎ．ｉｏｎｄｅｆｉｎｅｄｉｎａｈｉｇｈｅｒ
ｄｉｍｅｎｓｉｏｎａｌｓｐａｃｅｉｎｓｔｅａｄｏｆｔｈｅｃｕｒｖｅｒｅｐｒｅｓｅｎｔｅｄｂｙｐａｒａｍｅｔｒｉｃ
ｅｑｕａｔｉｏｎ．ＡＣＭ
ａｎｄ
ｌｅｖｅｌｓｅｔｍｅｔｈｏｄｓｈａｖｅｂｅｅｎａｎｉｍｐｏｒｔａｎｔｔｏｐｉｃｉｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｆｉｅｌｄ．Ｉｎｏｒｄｅｒｔｏｐｒｏｖｉｄｅａｎｏｐｅｎｐｌａｔｆｏｒｍｆｏｒｍｅｄｉｃａｌｉｍａｇｅ
ｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍｓ，ｏｎｅ
ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌａｎｄｔｗｏｌｅｖｅｌｓｅｔｍｅｔｈｏｄｓａｒｅａｎａｌｙｚｅｄａｎｄｃｏｍｐａｒｅｄ．Ｗｉｔｈｓｏｍｅａｄｄｉｔｉｏｎａｌｉｍａｇｅｃｏｍｍｏｎｏｐｅｒａｔｉｏｎｓ，ｔｈｅｏｐｅｎａｌｇｏｒｉｔｈｍｐｌａｔｆｏｒｍｉｓｂｕｉｌｔ，ａｎｄｉｎｔｅｇｒａｔｅｓｔｈｅｓｅｔｈｒｅｅｍｅｔｈｏｄｓｅｎｃｏｄｅｄｉｎｄｙｎａｍｉｃｌｉｎｋｌｉｂｒａｒｙ．ＴｈｅａｕｔｈｏｒｆｉｒｓｔｌｙｉｍｐｌｅｍｅｎｔｓａｎｄｃｏｍｐａｒｅｓＧＶＦ－Ｓｎａｋｅ谢ｔｌｌｔｈｅｔｙｐｉｃａｌａｃｔｉｖｅｃｏｎｔｏｕｒ
ｍｏｄｅｌ，ｉ．ｅ．，ｓｎａｋｅ；
ｓｅｃｏｎｄｌｙ，ｌｅｖｅｌｓｅｔｗｉｔｈｏｕｔｒｅｉｎｉｔｉａｌｉｚａｔｉｏｎ（ＬＳＷＲ）ａｎｄｌｅｖｅｌｓｅｔ
ｗｉｔｈｏｕｔｅｄｇｅｓ（ＬＳＷＥ）
ａｒｅｉｍｐｌｅｍｅｎｔｅｄ
ａｎｄ
ａｎａｌｙｚｅｄ；ｆｉｎａｌｌｙ，ｐｒｅｓｅｎｔｓｔｈｅｏｐｅｎａｌｇｏｒｉｈｔｍｐｌａｔｆｏｒｍｄｅｖｅｌｏｐｅｄ
ｂｙｕｓｉｎｇＭｉｃｒｏｓｏｆｔＭＦＣ．Ｔｈｅｐｌａｔｆｏｒｍｐｏｓｓｅｓｓｅｓｔｈｅｂａｓｉｃｉｍａｇｅｏｐｅｒａｔｉｏｎｓ，ｃｏｕｌｄ
ｈａｎｄｌｅｍｅｄｉｃａｌｉｍａｇｅｓｅｎｃｏｄｅｄｂｙＤＩＣＯＭｆｏｒｍａｔａｎｄｓｕｐｐｏｒｔｓｏｍｅｐｏｐｕｌａｒｉｍａｇｅ
ｆｏｒｍａｔ，ｅ．ｇ．，ＢＭＰａｎｄＪＰＥＧＭｅａｎｗｈｉｌｅ，ｉｔｐｒｏｖｉｄｅｓａｎｏｐｅｎｉｎｔｅｒｆａｃｅｔｏｉｎｔｅｇｒａｔｅｔｈｅ
ａｆｏｒｅｍｅｎｔｉｏｎｅｄｔｈｒｅｅａｌｇｏｒｉｔｈｍｓ，ｂｙｗｈｉｃｈｔｈｅｐｒｏｇｒａｍｓａｒｅｓｈａｒｅｄｏｎｔｈｅｂｉｎａｒｙｃｏｄｅ１ｅｖｅｌ．
Ｋｅｙｗｏｒｄ：ＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＡｃｔｉｖｅＣｏｎｔｏｕｒＭｏｄｅｌＬｅｖｅｌＳｅｔｏｂｊｅｃｔ・ＯｒｉｅｎｔｅｄＤｅｓｉｇｎ
ＭＦＣ西安电子科技大学学位论文创新性声明
聚乐。产校严佯的学风和优良的科学道德，本人声明所呈交的论文是我个人伍导师指导一卜．进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我～同工作的同志对本研究所做的任何贡献均己在论文中做Ｊ’１９Ｊ确的说ｌ｛ＪＪ井表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。
本人签名：盔雏煎日期兰竺！竺：！：！』
西安电子科技大学关于论文使用授权的说明
本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研’。‘乍征校攻渎学位期Ｉ’ＢＪ论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密的论文在解密后遵守此规定）
本人签名：导师签名：日期兰！！：』：！ｆ
日期２竺』！：ｆ：！Ｌ第一章绪论第一章绪论§１．１研究背景与意义在日常生活中，图像提供给人们丰富的信息。随着互联网的广泛应用，图像已成为人们获取和利用信息的重要来源和手段，也一直是十分重要的研究对象。图像工程【ｌ】研究的内容包括图像处理、图像分析和图像理解。从抽象程度来看，图像处理是较为低层的操作，主要是对图像进行加工以改善视觉效果并为图像分析和识别打基础；图像分析主要是对图像中感兴趣的目标进行检测和测量；图像理解主要是在图像分析基础上，对图像内容的含义加以理解，从而指导规划行动。图像分割【ｌｌ作为图像分析的重要内容，处于图像理解的下层，只有进行了有效的图像分割，才能在此基础上得到正确的图像理解。图像分割【¨，就是把图像分解成具有某种特性的若干区域并提取出对我们有用的目标的技术和过程。这些特性包括灰度、颜色、纹理等。图像分割的应用【２Ｊ非常广泛，在医学中，用于测量人体器官、组织或病灶的体积变化，以便医生做出相应的治疗方案；在交通中，需要对车牌号码进行分割以便识别出车牌号；在军事中，需要对卫星图像分割，才能识别和跟踪目标，从而对有效目标进行军事打击等等。传统的图像分割方法，如闽值分割法【ｌ】【３１、区域生长法【１】【３】【５】等，这些方法获取边缘的一般作法是：先进行灰度分割得到目标区域，然后提取目标轮廓边缘或是对图像作梯度运算获取边缘，再组合形成目标轮廓。但这些方法通常只考虑了图像局部信息，所以在边界合成中可能由于采用不正确的假设而产生了伪边界。因此要在所得到的分割结果的基础上，还要经过进一步处理来去除伪边界。另外，这些方法得到的分割结果有些边界不连续，难以满足对目标区域完整性的要求。为了有效地解决上述问题，Ｋａｓｓ等人１２０】提出了主动轮廓模型，其定义了一条封闭的初始曲线，在力的作用下曲线运动到图像边缘，从而得到一个封闭的分割区域。基于主动轮廓模型的图像分割方法在处理局部间断的轮廓时通常能得到较好的整体结果，解决了传统图像方法不能解决的问题，而得到了广泛的应用。各种算法要进入实际应用，首先要经过一个测试阶段，要有一个良好的模拟测试环境。经过系统测试后，已经开发的算法可以不修改（或经过少量修改）就可以移植到其他平台，进入真正的应用阶段。另外，多种算法要进行对比，需要相同的测试环境，即要在同一平台中进行测试，才能作出合理的评论。医学图像由不同的成像设备１５９Ｊ生成，具有不同的格式，常见有ＤＩＣＯＭ，ＲＡＷ等格式，需要一个软件将这些医学图像格式跟普通的图像格式如ＢＭＰ，ＪＰＥＧ等相互转换。基２基于主动轮廓模型和水平集方法的图像分割于上述目的，我们开发了一个软件系统，该系统提供了基本图像操作功能，并支持ＤＩＣＯＭ格式医学图像和普通的ＢＭＰ、ＪＰＥＧ图像，可以同时操作多幅图像，提供了开放的算法集成接口，方便将算法以动态链接库的形式集成到系统中并进行测试，实现了算法在二进制级上的复用。
１．２．１图像分割方法§１．２国内外研究现状
图像分割是图像处理和图像分析中的重要问题，也是计算机视觉中的基础问题，分割结果的好坏直接影响到更高层图像分析和理解等后续的处理，因此一直受到国内外众多科研人员的关注。从２０世纪７０年代起步至今，已经出现了很多基于不同理论（如：神经网络、模糊理论）的图像分割方法，本节简要介绍一些常用的分割算法：（１）经典的图像分割方法（ａ）基于区域的图像分割这类方法的基本思想是将图像分割成若干不重叠的区域【ｌ】，使各区域内部特征的相似性大于区域间特征的相似性，各区域内像素都满足基于灰度、纹理等特征的某种相似性准则。主要有阈值分割法【１１【３１、区域生长法【ｌ】【３】【５】、分裂合并法【１】【３】【５】竺寸Ｏ
阈值分割法【１】【３】的基本思想是用一个或者多个阈值将图像分为几个部分，如何选择合适的阈值成为该方法的关键，常用的方法有直方图法【３】、模糊阈值法１４１等；区域生长法【１ｌ［３ｌ［５】的基本思想是将具有相似性质的像素集合起来构成区域，该方法的优点是计算简单，对于比较均匀的连通图像有较好的分割效果，缺点是对噪声敏感，不好确定种子点像素；分裂合并法【ｌＪ【３】【５Ｊ的基本思想是从整幅图像开始通过不断分裂合并得到各个区域。该方法有两个关键点：一是破碎区域的判定标准；二是合并方法的制定。该方法对结构复杂的图像能取得较好效果，但计算量大，分割速度慢【６】。（ｂ）基于边缘的图像分割图像边缘是图像的最基本特征之一，是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合【１１。边缘检测的基本方法是先检测图像中的边缘点，再按一定的策略连接成目标轮廓，从而达到分割图像的目的。基于边缘的图像分割方法常见有微分算子法【１１、拟合曲面法【引、边界跟踪法【９】【１０１等。微分算子法【１】是利用相邻区域的像素值不连续的性质，通过一阶导数极值点
一种改进的变分水平集车辆检测技术
最 小化 运 动 曲线 模 型 ， 先根 据所 要分 割 的 目标 的轮廓进 行 手动 确定 大致 的初始 轮廓 曲线 ， 初始 化在 首 被
图像 上 ・ 然后 再 对 曲线进 行能 量最 小化 的 收缩变 形 ， 最终 曲线 锁定 在需 要分 割 目标 的边 界上 。
收 稿 日期 ：０ ｌ０ ～８ ２ ｌ一４１ 。 作者简介 ： 鹤（９１ ）女 ， 张 １ ７ 一 ， 吉林 榆 树人 ， 高级 工 程 师 。
该 问题涉 及计算 机 视觉 、 图像 信 息采集 、 频 图像处 理 等 领 域 。其 中 ， 视 获取 车 辆 的准 确 轮 廓对 于之 后 的
目标 分割 、 跟踪 等 处理 十分 重要 ； 图像 分割 是计 算 机视 觉 和 高层 次 图像 处 理 基 础 和难 题 。 目前 ， 简 单 最
闭合 曲线 嵌入 一个 三维 的 曲面 ， 助 曲面的演 化实 现 曲线 的演化 ］ 借 。基于 几何 主动 轮廓线 模 型 的水 平 集算 法仅 利用 图像 的边 缘信 息 ， 对边 缘模 糊或 存在 离 散状边 缘 的 目标难 以得 到理想 的分 割效 果 。 结合 主 动轮廓 模 型边缘 提取 准确 性 高和 背景 差分 法 提取 移 动物 体 初 始轮 廓 速 度快 等 优 点 ， 文 提 本
后， 曲线 能够 主动 的收敛 到 能量 的极 小 值状 态 。Ｓ ａ ｅ 型 的算 法 可 以显 著 提 高轮 廓 提 取 的可 靠性 和 ｎｋ 模 准确性 ， 与传统 的运 动 目标检 测算 法相 比具 有 明显 的优 势 。 Ｓ ａ ｅ 型能够 通过 应用 图像 局部 和 整体 的信 息实 现 对 运 动 目标 边 界 的 准确 定 位 。Ｓ ａ ｅ即能 量 ｎｋ 模 ｎｋ
一种基于边缘与区域信息的先验水平集图像分割方法
引
图像 分 割 作 为 图像 工 程 、 式 识 别 以及 计 算 机 模
义在高维 空间 中的水 平集 函数 的零 水 平集来 表 示 平
面 中的演化 曲线 ， 将参 数 主 动 轮廓 模 型 （ ａａ ｔｉ Ｐ ｒｍｅｒ ｃ Ａｃｉｅ ｏ ｔ ｕ ， ＡＣ ［５中曲线 的演化转 化 为水平 ｔ ｎｏ ｒＰ ）４ ｖＣ － ３ 集 函数 的 演化． 这种 曲线 的 隐 式表 示 法 允 许 曲线 在
先将 图像的区域信息融人基 于边 缘的水平集方法 ， 然后将 其与形 状先验 结合． 比实验表 明该文方 法 由于综 合考 对
虑 了 多 种 信 息 ， 够 更 好 地 完 成 被 遮 盖 目标 的 分 割 ， 于 与 背 景 灰 度 相 近 的 目标 也 能 达 到 更 好 的效 果 ． 能 对 关键 词 形状先验 ； 平集 ； 水 主动 轮 廓 模 型 ； 曲线 演 化 ； 图像 分 割
第３卷 ５
第 ５期
计
算
机
学
报
Ｖｏ ．３ Ｎｏ １ ５ ．５ Ｍａ ０ ２ ｙ ２ １
Байду номын сангаас
２１ ０ ２年 ５月
ＣＨ Ｉ ＮＥＳ Ｊ Ｅ ＯＵ ＲＮＡ Ｌ ＯＦ ＣＯＭ Ｐ ＴＥＲＳ Ｕ
一
种 基 于边缘 与 区域信 息 的先 验水 平集 图像分 割方法
王 斌 李 洁 高新波
（ 西安 电子 科 技 大 学 电 子 工程 学 院 西 安 ７０ ７ ） １０ １
｛ ｌ Ｉ 目
摘
要
传 统 的水 平集 图 像 分 割 方 法 仅 考 虑 了 图 像 的 数 据 信 息 ， 此 对 被 遮 盖 的 目标 以及 与 背 景 灰 度 相 近 的 目标 因
一种改进的C.V主动轮廓模型
种 改进 的 ＣＶ 主动轮 廓模 型 ．
张开华 ，周文罡 ，张 振 ，郑孝娟
（中国科学技术大学 电子 工程 与信息科学 系，合肥 ２ ０ ２ ３ ０ ７）
摘要 ：本文对 ＣＶ 主动轮廓模型 进行 改进 。依据 曲线演化理论对 ＣＶ模 型 中的图像数据 力驱 动项进行 简化， 出 ． － 提
ａ ｃ ｒ ｉ ｇ ｔ ｅ ｔ ｅ ｒ ａ ｙ ｉ． ｓｉ ｇ ｉｈ ｄ ｆ ｍ ｒｇ ｎ ｌＣ－ ｍ ｏ ｅ， ｅ ｌｖ ｌ ｅ ｎ ｔ ｎ ｏ ｅｐ ｏ ｏ ｅ ｄ ｌ ｓ ｃ ｏ ｄ ｎ ｔ ｏ ｙ ａ ｌ ｓｓ Ｄｉｔ ｕ ｓ ｅ ｒ ｏｈ ｈ ｎ ｎ ｏ ｏ ｉ ａ Ｖ ｄ ｌ ｔ ｅ ｔｆ ｃｉ ｆ ｒ ｐ ｓ ｄ ｍｏ ｅ ｉ ｈ ｅ ｓ ｕ ｏ ｈ ｔ ｉ
一
种常微分方程 （Ｄ ） ０ Ｅ类型的模 型。理论分析验证 了该模 型的水平 集函数 可初始化 为零 与传统 Ｃ Ｖ模 型相 比， ．
不但具有其特点，如可以自 动检测带孔 目 标的内轮廓等，而且具有以下优点：抗噪性能较优；水平集函数无需重
新初始化 ，可快速计 算出全局最优分割 ；远 离轮廓的边界可 以被准确检测； 时间迭代步长不受限制。对合成和真
Ｏｒｉａ ｆ ｒｎｉｌ ｑ ａｉｎ ＯＤ ）Ｔ ｅ ｒｐ ｓｄｍｏ ｅ ｎ ｔ ｎｙ ａ ｅ ｒ ｉａ — ｍｏ ｅ’ｃａａｔｒ ｔ ｓｓｃ ｓ ｄ ｒ Ｄｉｅｅ ｔ ｕｔ （ Ｅ ． ｏ ｏｅ ｄｌ ｏ ｌ ｓ ｉ ｎ ｌ Ｖ ｄｌ ｈｒｃｅ ｓ ｃ，ｕ ｈ ｎ ｙ ａＥ ｏ ｈ ｐ ｏ ｈ ｔ ｏｇ Ｃ ｈ ｓ ｉｉ ａ
Ａｂ ｔ ａ ｔ Ａｎ ｉ ｒ ｖ ｄ Ｃ・ ａ ｔ ｅ ｃ ｎ ｏ ｒｍｏ ｅ ｓｐ ｅ ｅ ｔｄ ｗｉ ｉ ｈ ｔ ｅ ｉ ｇ ａａ ｆ ｒ ｅ ｉ ｅ Ｃ・ ｍｏ ｅ ｓ ｓｒ ｃ ： ｍｐ ｏ ｅ － ｃ ｖ ｏ ｔ ｕ ｄ ｌｗａ ｒ ｓ ｎ ｅ ， ｔ ｗｈ ｃ ｍａ ｅ ｄ ｔ ｏ ｃ ｎ ｔ － Ｖ ｉ ｈ ｈ ｈ Ｖ ｄ ｌ ｉ ｓ ｎ ｆｃ ｎ ｌ ｉ ｌ ｉｄ ａ ｃ ｒ ｉ ｇ ｔ ｅ ｃ ｒ ｅ ｅ ｏ ｕ ｉ ｎ ｔ ｅ ｒ ．Ｔ ｅ ｌｖ ｌ ｓ ｔ ｆ ｎ ｔ ｎ ｃ ｎ ｂ ｎ ｔ ｌ ｅ ｏ ｂ ｅ ｏ ｉ ｉ ａｔ ｓ ｇ ｉ ｙ ｍｐ ｉ ｅ ｃ ｏ ｄ ｏ ｔ ｕ ｖ ｖ ｌ ｔ ｈ ｏ ｙ ｈ ｅ ｅ ｅ ｕ ｃｉ ａ ｅ ｉ ｉ ａ ｉ ｄ ｔ ｅ ｚ ｒ ｆ ｎ ｈ ｏ ｏ ｉ ｚ
局部熵驱动区域主动轮廓的局部化框架
局部区域数据拟合项 。根据图像像素 空间排列 的相关性 ，采用一个滑动窗函数提取 图像局部熵 ，将图像 从灰度 空间转化到相应局部熵特征 空间ｎ在局部熵特征空问 ，采用另外的窗函数进行 局部 区域信息提取 ，从而推导出区域主动轮廓线模型 的局部化框架 。以 Ｃ Ｖ模型为例推
导局部化过程 ，并对 ２ 种常坩的窗函数进行 分析 比较 。实验结果表 明，该方法可 以成功分割一类包含 有杂乱特征 的图像 。
关键词 ：图像分割 ；主动轮廓线 ；水平集方法 ；局部熵 ；窗 函数
Ｌｏ ａ ｉｉ ｇＦｒ ｍ ｅ ｒ ｆ ｇ ｏ － ａ ｅ ｔｖ ｎ ｏ ｒ ｉ ｅ ｃｌ ｎ ａ ｚ ｗｏ ｋ ０ Ｒｅ ｉ ｎ ｂ ｓ ｄ Ａｃ ｉ ｅ Ｃｏ ｔ ｕ ｓＤｒｖ ｎ
ｂｙ Ｌｏｃ ｌＥｎｔ ｏ ａ ｒ ｐｙ
２ Ｄ ｐ ｒ ｎ ｆ ｍｐ ｔｒ ｃ ｎ ｅａ ｄＴ ｃ ｎ ｌｇ ， ａ ｔ ｈｎ ｒ ｌ ｉｅｓｔ， ｈ ｎ ｈ ｉ ０ ０ ２ Ｃ ｉａ ． ｅ ａｔ ｍｅ ｔ ｏ Ｃｏ ｕｅ ｉ ｃ ｎ ｅｈ ｏｏ ｙ Ｅ ｓ Ｃ ｉ ａ Ｓ ｅ Ｎｏｍａ Ｕｎｖ ｒｉ Ｓ ａ ｇ ａ ２ ０ ６ ， ｈｎ ） ｙ
［ ｓｒ ｃ］Ｔ ｉ ｐｐ ｒ ｒｐ ｓｓａｆａ ｗｏｋｗｈｃ ｌ ｗｓａｙｒｇｏ—ａｅ ｃ ｖ ｏ ｔｕｓｃｎｂ ｅｆｒ ｌｅ ｎａｌｃｌ ｙ Ｔ ｅｅ ｅｇ Ａｂ ｔａｔ ｈｓ ａｅ ｏ ｏｅ ｒｍｅ ｒ ｉｈａｌ ｎ ｅｉｎｂ ｓｄａｔ ｅｃｎｏ ｒ ａ ｅｒ—ｏｍｕａ ｄｉ ａ ． ｈ ｎｒｙ ｐ ｏ ｉ ｔ ｏ ｗａ
一种基于三维直方图的改进C—V模型水平集图像分割方法
ＬＥＶＥＬ Ｓ Ｅ ＥＴ Ｍ ＴＨｏＤ ｏＦ Ⅱ ＡＧＥ Ｓ ＥＧＭ Ｅ ＮＴＡＴＩ ｏＮ ＡＳ Ｄ Ｂ Ｅ
Ａｂ ｔａ ｔ ｅ ｖ ｌ ｅ ＤＥ ｂ ｓ ｄ ｏ ｈ ｉ ｌ ｅ ｍ ｏ － ｈ ｈ ｍｏ ｅ ｏ ｇ ｅ ｍｅ ｔｔ ｎ Ｗ ｒｐ ｓ ｄ ｂ ｈ ｎ ｓｒ ｃ ：Ａ ｎ ｗ ｌ ｅ ｔＰ ａ ｅ ｎ ｔ ｅ ｓ ｅ ｓ ｍｐ ｉ ｄ Ｍｕ ｉ ｆ ｆ ｒ Ｓ ａ ｄ ｌ ｒｉ ｅ ｓ ｇ ｎａ ｉ ａ ｐ ｏ ｅ ｙ Ｃ ａ ｄ ｆ ｍａ ｏ ｓ ｏ
Ｋｅ ｒ ｓ ｍａ ｅ ｓ ｇ ｅ ｔｔ ｎ；Ｃ ａ — ｅ ｅ ｍｏ ｅ ；ｌｖ ｌｓ ｔ ｔ ｏ ；３ Ｄ ｈ ｓｏ ａ ｙ ｗｏ ｄ ：ｉ ｇ ｅ ｍ ｎａ ｉ ｏ ｈ ｎ Ｖ ｓ ｄ ｌ ｅ ｅ ｅ ｈ ｍｅ ｄ － ｉｔｇ ｍ ｒ
引言
图像分 割 是 图像 处 理 的关 键 问 题之 一 ， 也是 一 个经 典难 题 ． １８ 自 ９ ７年 Ｋ ｓ ａｓ等人 … 提 出主 动 轮廓 模型 以来 ， 于 曲线 演化 （ ｕｖ ｖｌｔ ｎ 的形 变模 基 ｃ ｒｅｅｏｕｉ ） ｏ 型 已被 广泛地 应用 于 图像 分 割 ． 由于形 变 模 型 的 图 像分 割方法具 有能够 有效结 合 图像 本 身的低层 次视 觉属性 与待分 割 目标 先验 知 识 的灵 活 开放 的框 架 ，
维普资讯
第２ ７卷第 １ 期
２０ ０８年 ２月
红 外 与 毫 米 波 学 报
Ｊ ｎｒｒｄ Ｍｉｉ ．Ｉｆａｅ ｌ ｍ．Ｗ ａ ｅ ｌ ｖｓ
基于改进C-V模型的图像分割算法
分的图像分析中 ， 必须把单个 目标从 图像 中分离 出来 ， 形成
在 主动轮廓模型 中， 最为经 典 的为 Ｃ ｈ ａ ｎ— Ｖ ｅ ｓ ｅ 模 型
以下简称 Ｃ — Ｖ模 型） ， Ｃ — Ｖ模 型是一种基 于区域 的动 态 目标与背景分离 ， 这种处理方式即为图像分割 ， 图像分割就 （ 是根据规定 的准则把给定的图像分成具有不 同特性的图像 轮廓模 型 。ｃ — Ｖ模型根据全局 图像统计信 息来完成对 图 部分 ， 图像分割的算法往往是根据规定 的准则 ， 图像 内部灰 像 的分割。假设 图像 目标是由同质 的区域构成 ， 一般能得 度颜色纹理等特点 目 标与背景 的不 同来预先建立¨ 。 到 良好 的实验结果 ， 但在实 际情况 中， 图像 的 目标并非 同 — Ｖ模型在 分割非 同质 目标 时 ， 得 到 的结 果不 是 在很多 的图像 分析 应用 的领 域 如遥感 测 量、 医 学成 质 。Ｃ 同时 ， 在演化过程 中， 要不断地将水平集 函数重 新 像、 安全管制 、 军事 目标检测都需要用到 图像分割技术 ， 图 很理想 ； 像分割技术越来越重要 。在实际的图像分析应用 中 ， 当所 初始化 ， 增加 了迭代时间 ， 使轮廓 曲线演化速度大大降低 。 需 目标被分开 时 ， 分割就 可以停止 了 ， 运用 自动 的图像分
基于改进 Ｃ － ＿ Ｖ模型的图像分割算法
杨艳丹 ， 韩 雪松 ， 韩应征 ， 庞冬 冬 ， 杜 军 慧
（ １ ． 太原理工大学 信息工程 学院， 山西 太原 ０ ３ ０ ０ ２ ４ ； ２ ． 中石化 山西分公 司， 山西 太原 ０ ３ ０ ０ ４） ２
【 摘 要】提出一种新的模型——ｃ ｈ ａ ｎ — Ｖ ｅ ｓ ｅ 模型， 该模型是基于曲线演化、 水平集方法、 局部 的统计信息， 新模型包括两个方 面： 局部核 心 函数和 惩罚项 。引入局部 统 计信 息 后 的新模 型可 以对 非 同质 图像 进行 有 效 的分 割。另 外 ， 核 心 函数 中加 入惩 罚 项， 可以有效避免水平集函数初始化 ， 缩短模型演化时间。通过实验的仿真结果发现， 新模型在对非 同质 图像进行分割时得到 了 良好 的结果 。
一种多尺度的灰度不均匀图像分割方法
一种多尺度的灰度不均匀图像分割方法叶加青;姜喜春【摘要】灰度不均匀是阻碍图像准确分割的一种障碍,在真实图像中灰度不均匀现象经常存在.提出一种多尺度的局部区域型水平集方法,通过设定不同的局部区域,分析各个区域的灰度不均匀和拟合项,然后对其求平均值,再借助水平集方法构建最终的能量泛函.对比实验证明了本文提出方法的有效性,且对于灰度不均匀图像能够得到更准确的分割效果.【期刊名称】《安徽师范大学学报（自然科学版）》【年(卷),期】2019(042)002【总页数】6页(P120-125)【关键词】LRB模型;图像分割;多尺度;水平集;灰度不均匀【作者】叶加青;姜喜春【作者单位】淮南联合大学计算机系,安徽淮南 232038;黑河学院理学院,黑龙江黑河 164300【正文语种】中文【中图分类】TP391.4.1引言图像分割是图像处理和计算机视觉中十分重要的预处理过程，准确分割受多重因素影响，比如：光照不均匀、噪声、图像部分不清晰以及阴影等。
针对图像分割，学者们提出了多种方法，如：基于阈值、基于边缘、基于区域等等，而引入演化曲线和能量函数的活动轮廓模型(ACM，Active Contour Model)方法是具有代表性的一种。
但基于同样的原因，此模型分割算法的准确性受到限制，为此，文献[1]提出一种新颖的主动轮廓模型，该模型通过使用可变水平集来进行图像分割对象轮廓边界演化，但它注重局部的分布，从而弱化了全局分析的能力，经常出现过分割等现象[1]。
文献[2]根据强度不均匀的图像，提出基于区域的图像分割方法[2]，该方法定义一个局部聚类准则函数，然后计算邻域中心以此作为全局标准，在水平集上定义一个能量函数来表示图像的分区，用偏域代表强度图像的不均匀性，通过最小化这种能量，对灰度不均匀性进行校正，以达到图像分割，但这种以局部灰度聚类为准则，对局部的定义难以确定，对于严重灰度不均匀图像难以准确分割。
文献[3]提出一种基于区域分割的水平集新模型[3]，考虑全局和局部图像数据消除图像噪声的影响和补偿强度尺度，从高斯模型估计的强度分布目标对象和背景推导出全局能量函数，从相互影响的邻近像素推导出局部能量函数，来消除尺度图像噪声和强度的影响，但此模型强调去噪，对于灰度不均匀的处理仍然采用局部高斯分布的形式，因此，同样易出现过分割等现象。
【计算机应用】_水平集_期刊发文热词逐年推荐_20140723
科研热词 图像分割 水平集 主动轮廓模型 水平集方法 lbf模型 cv模型 c-v模型 阈值 重初始化 边界指示函数 轮廓提取 贝叶斯推理 自适应变化系数 自适应变化停止函数 自适应区域生长 罚函数 符号压力函数 空洞填充 眼底图像 灰度不均匀 海马 活动轮廓模型 活动轮廓 核特征距离 杯盘分割 曲面恢复 曲线演化 快速水平集 心脏磁共振成像 彩色差 彩色图像分割 左心室分割 局部极小值 多视场景 向量值图像 变分水平集方法 变分分割 医学图像 区域能量 动态方向梯度矢量流 分割 几何流 几何活动轮廓模型 冠状动脉 全局极小值 体素着色 交互式 二尖瓣 三维目标 lif模型 hsi空间 b-样条
推荐指数 8 5 3 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42
2011年 科研热词 水平集 图像分割 活动轮廓模型 c-v模型 非结构四边形网格 青光眼 重采样 边缘检测函数 软件 贝叶斯模型 视觉显著特性 脑白质疏松症 能量泛函 粒子滤波 磁共振图像 磁共振 目标轮廓跟踪 目标跟踪 牛肉图像分割 海陆分割 测地线活动轮廓 水平集算法 水平集方程 正则化 核密度方法 显著图 改进活动轮廓模型 惩罚项因子 局部二元拟合模型 字幕检测及恢复 图分割 合成孔径雷达影像 单位法向量 医学图像分割 分段常数水平集方法 几何主动轮廓模型 偏移估计 偏微分方程 伽辽金等参有限元方法 p-m方程 otsu阈值法 mumford-shah模型 推荐指数 8 4 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
基于CV模型和数学形态学的木材表面缺陷分割方法
基于CV模型和数学形态学的木材表面缺陷分割方法白雪冰;王再尚【摘要】根据木材表面缺陷图像的特点,结合主动轮廓线模型的优点,应用CV模型对木材表面缺陷图像进行分割,并利用数学形态学对分割图像进行后处理.经实验验证,该方法能较完整的提取木材表面缺陷图像.【期刊名称】《机电产品开发与创新》【年(卷),期】2011(024)005【总页数】3页(P75-76,100)【关键词】图像分割;木材表面缺陷;CV模型;形态学【作者】白雪冰;王再尚【作者单位】东北林业大学,黑龙江哈尔滨150040;东北林业大学,黑龙江哈尔滨150040【正文语种】中文【中图分类】TP391.9木材是应用历史悠久的材料，至今在工业、农业和日常生活中仍广泛应用。
但自然生长的木材表面存在着各种缺陷，如腐朽变色、虫眼、油脂、木节、裂缝等，会直接影响木材的加工。
如果能对木材表面缺陷进行准确的检测[1]，可以有效的提高板材的利用率。
目前，国内外学者大多采用分水岭法、阈值法、人工神经网络等方法进行图像分割[2，3]，都取得了一定成果。
本文根据木材表面缺陷的特点，采用基于几何轮廓线模型[4]的方法对其进行分割。
几何轮廓线模型是以曲线演化理论和水平集方法为理论基础，对结构复杂、拓扑结构变化的图像分割效果很好。
再结合数学形态学[5]的方法对分割图像进行后处理，取得了很好的效果。
D.Mumford和J.Shah在1985年提出了Mumford-Shah模型[6]，通过函数优化的方法进行图像处理。
近年来，各国学者应用Mumford—Shah模型进行图像的分割、恢复、去噪等方面取得大量成果。
Mumford—Shah模型的能量方程：式中：G0—所得分割图像；Ω—图像定义域；λ和μ—权数，且为正数，最小化此能量方程，即可求出边界C0。
Mumford-Shah模型过于复杂，计算量比较大，对此，Chan和Vese根据此模型进行了简化，提出无边缘主动轮廓模型（CV 模型[6]）。
主动轮廓Mumford-Shah模型的发展与研究
-2-
廓方法。Mumford-Shah 模型与 Snake 模型一样具有一些经典方法所无法比拟的优点：（1） 图像数据、初始估计、目标轮廓及基于知识的约束统一于一个特征提取过程中；（2）经适 当的初始化，它能够自主的收敛于能量极小值状态；（3）尺度空间中又粗到精的极小化能 量可以极大的扩展搜索的区域和降低计算复杂性。但是 Snake 模型其自身的局限性比较明 显：对初始位置敏感，需要依赖其他机制将 Snake 放置在感兴趣的图像特征附近；由于 Snake 模型的非凸性，它有可能收敛到局部极值点，甚至发散 [8] 。Mumford-Shah 模型的比 Snake 模型优越之处在于前两项的叠加提供了总体变差最小的机制，而长度项控制了边界曲线的光 顺程度，从而将图像的恢复和去噪统一于模型之中，控制了底层的误差扩散。同时，从文中 Mumford-Shah 模型的水平集算法，我们将看到 Mumford-Shah 模型对初始轮廓的位置不敏 感，初始轮廓可以放在图像中任何地方。
出通过结合总体变差最小和非凸泛函逼近的简化方法 [20] 。数值实现时，利用变分原理转化
为欧拉方程的数值解法，并成功的应用于医学图像的分割。
Chan 和 Vese 提出的非凸泛函逼近模型是对松弛范函（5）得到欧拉-拉格朗日方程
Mumford-Shah 模型是廿世纪 80 年代由 D.Mumford 和 J.Shah 提出的，在理论上是一类 具有体积能量和低维测度的新的变分问题。在应用上是建立液晶性态、断裂力学和图像处理 中的数学模型。近二十年来，国外对图像恢复和图像分割中 Mumford-Shah 模型的研究，取 得了大批的成果，提出了许多简化模型和及其快速数值解法；国内对 Mumford-Shah 模型的 研究起步很晚，目前尚不见相关研究报道。Mumford-Shah 模型具有比 snake 模型更加坚实 的理论基础，在图像处理的实际应用上也具有比 snake 模型无法比拟的优点。之所以被国内 的学者所忽视，大体上是由于 Mumford-Shah 模型是现代数学中的一种自由不连续问题，由 于模型中对图像中边缘等跳跃部分通过几何测度(Hausdauff 测度)项来控制，使数值逼近或 数值解成为十分棘手的问题。