發(fā)布時(shí)間：2023-11-09 19:53

　　圖像分割是計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域中的基本技術(shù),分割技術(shù)為后續(xù)的圖像分析奠定了基礎(chǔ)。由于圖像普遍存在灰度不均、噪聲、弱邊緣等問(wèn)題,因此如何對(duì)圖像進(jìn)行有效分割一直是圖像處理領(lǐng)域的一個(gè)難題。主動(dòng)輪廓模型中的水平集方法由于其數(shù)值計(jì)算簡(jiǎn)單,主要利用曲線的曲率和法向量來(lái)演化水平集函數(shù),能夠很自然的實(shí)現(xiàn)物體拓?fù)浣Y(jié)構(gòu)的變化,因此被廣泛的應(yīng)用于圖像分割中。近年來(lái),學(xué)者們還將水平集分割模型應(yīng)用于醫(yī)學(xué)圖像的分割。本文主要討論了水平集分割模型,并將水平集分割應(yīng)用于眼前節(jié)圖像與虹膜圖像的分割中。主要內(nèi)容:首先,本文簡(jiǎn)要介紹了圖像分割的研究背景以及水平集圖像分割模型,闡述了水平集分割方法的國(guó)內(nèi)外研究現(xiàn)狀。其次,詳細(xì)介紹了曲線演化理論以及CV模型,針對(duì)不同對(duì)象區(qū)域之間強(qiáng)度范圍的重合,在強(qiáng)度不均勻情況下很難分割圖像這一問(wèn)題,本文提出一種新的水平集分割方法。在非均勻圖像模型的基礎(chǔ)上,推導(dǎo)出圖像域的最優(yōu)分割平面,在平面上,提出一種新的基于區(qū)域的壓力函數(shù),并在水平集公式中定義一個(gè)能量泛函,通過(guò)對(duì)能量泛函最小化,在對(duì)非均勻圖像分割的同時(shí),對(duì)偏置場(chǎng)進(jìn)行估計(jì)。另外,為了準(zhǔn)確估計(jì)偏置場(chǎng),針對(duì)核函數(shù)設(shè)計(jì)了一種新的自適應(yīng)尺度參數(shù)。最...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及其發(fā)展趨勢(shì)
    1.3 本文內(nèi)容及安排
第2章 圖像分割的基本理論
    2.1 圖像分割概述
    2.2 水平集圖像分割模型
        2.2.1 曲線演化理論
        2.2.2 水平集方法
        2.2.3 水平集的數(shù)值求解
    2.3 圖像分割評(píng)價(jià)標(biāo)準(zhǔn)
    2.4 本章小結(jié)
第3章 自適應(yīng)尺度參數(shù)的非均勻圖像快速水平集分割
    3.1 背景模型
        3.1.1 CV模型
        3.1.2 張氏模型
        3.1.3 LIC模型
    3.2 本文方法
        3.2.1 基于區(qū)域的壓力函數(shù)設(shè)計(jì)
        3.2.2 新的偏置場(chǎng)初始化
        3.2.3 自適應(yīng)尺度參數(shù)
    3.3 算法實(shí)現(xiàn)
        3.3.1 本文方法分割流程圖
        3.3.2 算法過(guò)程描述
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 實(shí)驗(yàn)結(jié)果
        3.4.2 實(shí)驗(yàn)分析
    3.5 本章小結(jié)
第4章 基于CV模型和改進(jìn)Hough圓檢測(cè)的人眼虹膜定位
    4.1 預(yù)處理
    4.2 基于CV模型的虹膜內(nèi)圓定位
    4.3 改進(jìn)的Hough變換算法定位虹膜外邊緣
        4.3.1 傳統(tǒng)的基于圓檢測(cè)的Hough變換原理
        4.3.2 改進(jìn)的用于虹膜外圓檢測(cè)的Hough變換算法
        4.3.3 算法流程圖
        4.3.4 算法步驟
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果



本文編號(hào)：3861913