基于先验形状约束的图像分割研究
Image Segmentation Based on Shape Piror Constrained
图像处理技术近年来得到极大的重视和长足的发展,已经迅速渗透到人类生活和社会发展的各个方面.图像分割是实现从图像处理到图像分析,进而完成图像理解的关键性步骤,而偏微分方程方法,尤其是基于水平集的几何活动轮廓模型能够自然地处理拓扑结构的变化如变形曲线的分裂与合并,取得了比较理想的分割结果.基于先验形状约束的水平集图像分割算法是近年来图像处理和分割算法的一个重要研究方向.本文主要研究基于先验形状约束的水平集图像分割模型.在分析了图像分割算法的发展历程和研究进展的基础上,首先介绍了曲线演化模型、活动轮廓模型和水平集的相关理论.其次介绍了经典的单先验形状约束的Chan-Vese(CV)分割模型,这种模型失去了同时分割多个目标的能力.在模型中引入了标记函数后多先验形状能够约束曲线的演化,从而实现了多先验形状约束下的多目标分割.最后本文提出一种参数自适应的Kernel Principal ComponentAnalysis (KPCA)的先验形状约束的水平集模型,在分割目标之前先用KPCA方法提取训练集样本的非线性变化特征,在迭代分割时曲线可以向训练集中任意形状而不是一个固定形状演化.该模型不仅可以对图像中的干扰有较强的鲁棒性,对于姿态发生较大形变的目标也有更好的分割效果.相对于固定先验形状约束的分割模型,该算法有更好的分割精度,而参数自适应过程提高了选择参数的效率,加快了分割速度.
- 作者：
- 沈霁
- 学位授予单位：
- 上海交通大学
- 专业名称：
- 航天工程
- 授予学位：
- 硕士
- 学位年度：
- 2013年
- 导师姓名：
- 李元祥
- 中图分类号：
- TP391.41
- 关键词：
- 图像分割；水平集；先验形状约束；KPCA；参数自适应
- Image Segmentation；Level Set；Shape Prior；KPCA；ParameterAdaption