论文部分内容阅读
图像分割作为一门基本技术在医学、遥感及其它图像处理领域中有广泛应用。在各种分割技术中，活动围道分割方法在分割的准确性方面明显优胜于现有的各种非围道方法，因而在研究和应用两方面都倍受关注。然而现有围道方法存在抗噪性能差，对初始围道位置和图像属性限定性强，拓扑自适应差等缺点，这些缺点限制了现有围道方法的实用性。
论文致力于提出几种性能更加完善且实用化的活动围道分割方法，并解决相关技术问题，其创新点主要体现在以下几个方面：
(1)基于测地活动围道模型(Geodesic Active Contour Model)和CV模型(Chan—Vese Model)，提出了一种新的边界区域综合型活动围道方法：区域辅助测地活动围道方法(RAGAC，Region—Aided Geodesic Active Contours)。该方法将区域压力引入梯度流，用曲线进化和水平集方法最小化所提出的能量泛函。梯度流压力代表局部边缘信息，而区域压力则代表全局的图像特征。不仅改进了活动围道向弱边缘收敛的能力，而且有更强的抗噪性能。
(2)提出了一种新的边界区域综合型活动围道方法：基于边缘流的测地活动围道方法(EDGAC，Edgeflow—Driven Geodesic Active Contours)．边缘流是基于在特定的区域内指向最近的边缘的边缘向量，是一种全局和局部信息相结合的流。基于边缘流，用泊松方程来得到边缘函数，用曲线进化和水平集方法最小化所提出的能量泛函。该方法将边缘流引入梯度流，集成使用了抗噪性能强的区信息和定位精度高的边界信息，通过大量合成图像和实际图像分割实验，证明了该方法的有效性和实用性。
(3)提出了一种基于最大后验概率(MAP，Maximum a posteriori)框架的合成孔径雷达(SAR，Synthetic Aperure Radar)图像水平集分割算法。该算法根据统计准则来进化活动围道曲线。推导了一种有效的多区域曲线进化方程组，通过最小化此方程组来得到最终的围道曲线。此方程组是由MAP框架估计得到的数据项和Gamma图像区域表示演化而来的。