主动轮廓的多目标分割方法【字数：10999】
一直以来图像分割都是图像处理领域的一个重点与热点，其中基于Snake模型的图像分割算法受到了广泛的关注。本文在对经典的Snake模型研究的基础上提出了一种基于分形特征的主动轮廓多目标分割方法。该方法首先利用重标极差法获得多目标图像的分形特征，即对图像中的每一个像素的特征进行重新计算，并且尽量去除背景像素的特征，减少干扰。然后，利用FCM聚类算法估计出多个目标的数量及中心。最后，利用基本Snake模型估计多个目标的轮廓。仿真结果表明，与经典Snake方法相比，所提出的方法能够实现对多个目标同时分割，且分割效果较好。
目 录
1.绪论 1
1.1 图像分割研究的目的与意义 1
1.2 图像分割的研究现状 1
1.3 论文结构安排 4
2.基于主动轮廓模型的图像分割 5
2.1 主动轮廓模型 5
2.1.1 内部力模型 5
2.1.2 图像力模型 5
2.2仿真与分析 6
3.基于分形特征的活动轮廓模型的多目标分割方法 10
3.1基于重标极差法的分形特征估计 10
3.1.1 重标极差分析法 10
3.1.2 图像的Hurst指数估计 10
3.2基于FCM的多目标分割 15
3.2.1 FCM算法 15
3.2.2 基于FCM的多目标数量估计 16
3.2.3分形特征下的多目标轮廓估计 17
3.3仿真与分析 17
4.结束语 21
5.参考文献 22
6.致谢 24
1.绪论
1.1 图像分割研究的目的与意义
对于现在科技迅速发展的时代，信息对我们来说是极其重要的资源，因图像具有直观、表现形式多样等特点，被看作传递信息最方便的途径之一。相关研究资料表明，图像为我们的工作和生活提供的信息大约为75%，所以图像的相关处理技术对我们来说十分重要[1]。图像处理是一种涉及多学科多领域的计算机技术，主要包括图像的采集、获得、编码、储存和传递，图像水印的嵌入与提取以及图像分割等。图像处理的应用场景十分广阔，广泛应用于工业和农业生产、 *好棒文|www.hbsrm.com +Q: *351916072*
军事技术研究以及人们的生活娱乐等众多领域。
图像分割是图像分析和处理中不可或缺的部分，它是从图像处理到图像分析的关键步骤，是目标表达的基础，在计算机视觉领域也非常重要，受到研究人员的重视[2]。面对一幅图像，我们只想研究自己感兴趣的部分，图像分割就可以提取图像中我们感兴趣的区域，便于我们分析和处理图像。主动轮廓模型[3]（Active Contour Model）,也叫Snake模型，由于其有效性及可拓展性是近十几年来的研究热点，其核心思想是通过优化能量泛函来实现图像分割。但是，经典的主动轮廓模型因为只用到图像边缘梯度信息而忽略了区域信息，所以容易发生边缘泄露；并且初始轮廓的选择很重要，轮廓曲线难以收敛到细小深凹边界；通常存在抗噪声能力不足等问题。另外目前大部分算法只能分割单个目标，无法进行多目标的分割，从而限制了主动轮廓模型的发展，所以如何解决这些问题成为本文研究的重点。
1.2 图像分割的研究现状
图像分割就是从图像中将某个特定区域与其他部分进行分离并把感兴趣的对象提取出来的处理过程，在图像分析、识别以及检测等方面占有非常重要的地位。自20世纪70年代起，图像分割目前为止已提出上千种算法，大致可将其分成以下几种类型：基于阈值的方法[4,5]、基于边缘检测的方法[6,7]、基于区域提取的方法[8]、基于语义的分割以及基于聚类的分割等。总的来讲，每一类分割方法主要针对不同的应用场景，并且都具有各自的优点及缺陷。近年来，针对这些分割方法存在的不足，提出了很多改进方法，获得了较为理想的效果。比如：隋然等[9]提出基于改进遗传算法的二维最佳熵阈值分割方法。该方法极大地减少阈值搜索时间，保持了算法的良好分割性能。唐阳山等[10]提出了一种改进的Otsu阈值分割算法，此算法改进的思想是找出满足类内和类间方差的最大距离的值为最优阈值，并限定阈值搜索范围实现快速分割，提高了车道线识别的鲁棒性，有效的抑制了噪音。张海涛等[11]提出了一种基于改进人工蜂群算法分割二维Otsu图像的新方法，此方法极大地加快了算法的收敛速度，一定程度上也避免算法陷入局部最优解的问题，但是分割结果对噪声比较敏感。赵琦等[12]提出一种改进的激光光斑中心定位方法。该方法是一种改进的Otsu阈值分割方法，具有抗干扰能力，分割精度较之Otsu方法有明显提高，是一种可行的光斑中心定位方法。
胡晓莉等[13]提出了一种改进Canny算法的实时图像边缘检测方法。该方法利用小波变换去除噪声以及用基于阈值的极值中值滤波代替Canny算子原有的高斯滤波来提高图像的边缘检测效果。段红燕等[14]提出了一种采用双边滤波代替传统高斯滤波的Canny算子的图像边缘检测的改进算法，该算法利用增强的图像细节，能够获得比较理想的分割效果。但是，评价参数需要人工选取，且图像的滤波和边缘提取的效果依赖于先验知识等。夏建芳等[15]提出了一种改进的Canny自适应滤波算法，该算法将自适应中值滤波和自适应维纳滤波相结合，在滤波时能随着图像局部因素改变自身参数，能够有效去除噪声且边缘提取的效果较好。王保军等[16]提出了一种基于霍夫变换的Canny边缘检测算法。该算法根据梯度方向得到边缘方向后使用霍夫变换连接边缘，克服了传统Canny算法依赖高低阈值的缺陷，不仅保留了传统Canny算法的优越性而且很好地检测到了更多的弱边缘，使图像更加完整、更全面的反映图像细节。
此外，张月圆等[17]针对经典边缘检测算法抗椒盐噪声性能差及阈值选取适应性不强等问题，提出了一种基于Canny的算法结构，结合了自适应中值滤波、Otsu以及最大熵域法的改进图像边缘检测算法。该算法首先结合改进自适应中值滤波对图像降噪，从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用基于Otsu和MEM提出的改进双阈值选取方法，获取自适应的高低阈值对图像边缘进行检测，边缘检测准确度可以达到96%以上。但是由于光照、拍摄角度等问题，图像往往存在边缘断裂现象。
目 录
1.绪论 1
1.1 图像分割研究的目的与意义 1
1.2 图像分割的研究现状 1
1.3 论文结构安排 4
2.基于主动轮廓模型的图像分割 5
2.1 主动轮廓模型 5
2.1.1 内部力模型 5
2.1.2 图像力模型 5
2.2仿真与分析 6
3.基于分形特征的活动轮廓模型的多目标分割方法 10
3.1基于重标极差法的分形特征估计 10
3.1.1 重标极差分析法 10
3.1.2 图像的Hurst指数估计 10
3.2基于FCM的多目标分割 15
3.2.1 FCM算法 15
3.2.2 基于FCM的多目标数量估计 16
3.2.3分形特征下的多目标轮廓估计 17
3.3仿真与分析 17
4.结束语 21
5.参考文献 22
6.致谢 24
1.绪论
1.1 图像分割研究的目的与意义
对于现在科技迅速发展的时代，信息对我们来说是极其重要的资源，因图像具有直观、表现形式多样等特点，被看作传递信息最方便的途径之一。相关研究资料表明，图像为我们的工作和生活提供的信息大约为75%，所以图像的相关处理技术对我们来说十分重要[1]。图像处理是一种涉及多学科多领域的计算机技术，主要包括图像的采集、获得、编码、储存和传递，图像水印的嵌入与提取以及图像分割等。图像处理的应用场景十分广阔，广泛应用于工业和农业生产、 *好棒文|www.hbsrm.com +Q: *351916072*
军事技术研究以及人们的生活娱乐等众多领域。
图像分割是图像分析和处理中不可或缺的部分，它是从图像处理到图像分析的关键步骤，是目标表达的基础，在计算机视觉领域也非常重要，受到研究人员的重视[2]。面对一幅图像，我们只想研究自己感兴趣的部分，图像分割就可以提取图像中我们感兴趣的区域，便于我们分析和处理图像。主动轮廓模型[3]（Active Contour Model）,也叫Snake模型，由于其有效性及可拓展性是近十几年来的研究热点，其核心思想是通过优化能量泛函来实现图像分割。但是，经典的主动轮廓模型因为只用到图像边缘梯度信息而忽略了区域信息，所以容易发生边缘泄露；并且初始轮廓的选择很重要，轮廓曲线难以收敛到细小深凹边界；通常存在抗噪声能力不足等问题。另外目前大部分算法只能分割单个目标，无法进行多目标的分割，从而限制了主动轮廓模型的发展，所以如何解决这些问题成为本文研究的重点。
1.2 图像分割的研究现状
图像分割就是从图像中将某个特定区域与其他部分进行分离并把感兴趣的对象提取出来的处理过程，在图像分析、识别以及检测等方面占有非常重要的地位。自20世纪70年代起，图像分割目前为止已提出上千种算法，大致可将其分成以下几种类型：基于阈值的方法[4,5]、基于边缘检测的方法[6,7]、基于区域提取的方法[8]、基于语义的分割以及基于聚类的分割等。总的来讲，每一类分割方法主要针对不同的应用场景，并且都具有各自的优点及缺陷。近年来，针对这些分割方法存在的不足，提出了很多改进方法，获得了较为理想的效果。比如：隋然等[9]提出基于改进遗传算法的二维最佳熵阈值分割方法。该方法极大地减少阈值搜索时间，保持了算法的良好分割性能。唐阳山等[10]提出了一种改进的Otsu阈值分割算法，此算法改进的思想是找出满足类内和类间方差的最大距离的值为最优阈值，并限定阈值搜索范围实现快速分割，提高了车道线识别的鲁棒性，有效的抑制了噪音。张海涛等[11]提出了一种基于改进人工蜂群算法分割二维Otsu图像的新方法，此方法极大地加快了算法的收敛速度，一定程度上也避免算法陷入局部最优解的问题，但是分割结果对噪声比较敏感。赵琦等[12]提出一种改进的激光光斑中心定位方法。该方法是一种改进的Otsu阈值分割方法，具有抗干扰能力，分割精度较之Otsu方法有明显提高，是一种可行的光斑中心定位方法。
胡晓莉等[13]提出了一种改进Canny算法的实时图像边缘检测方法。该方法利用小波变换去除噪声以及用基于阈值的极值中值滤波代替Canny算子原有的高斯滤波来提高图像的边缘检测效果。段红燕等[14]提出了一种采用双边滤波代替传统高斯滤波的Canny算子的图像边缘检测的改进算法，该算法利用增强的图像细节，能够获得比较理想的分割效果。但是，评价参数需要人工选取，且图像的滤波和边缘提取的效果依赖于先验知识等。夏建芳等[15]提出了一种改进的Canny自适应滤波算法，该算法将自适应中值滤波和自适应维纳滤波相结合，在滤波时能随着图像局部因素改变自身参数，能够有效去除噪声且边缘提取的效果较好。王保军等[16]提出了一种基于霍夫变换的Canny边缘检测算法。该算法根据梯度方向得到边缘方向后使用霍夫变换连接边缘，克服了传统Canny算法依赖高低阈值的缺陷，不仅保留了传统Canny算法的优越性而且很好地检测到了更多的弱边缘，使图像更加完整、更全面的反映图像细节。
此外，张月圆等[17]针对经典边缘检测算法抗椒盐噪声性能差及阈值选取适应性不强等问题，提出了一种基于Canny的算法结构，结合了自适应中值滤波、Otsu以及最大熵域法的改进图像边缘检测算法。该算法首先结合改进自适应中值滤波对图像降噪，从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用基于Otsu和MEM提出的改进双阈值选取方法，获取自适应的高低阈值对图像边缘进行检测，边缘检测准确度可以达到96%以上。但是由于光照、拍摄角度等问题，图像往往存在边缘断裂现象。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/1082.html
