基于贝叶斯概率模型的水平集图像分割算法

《基于贝叶斯概率模型的水平集图像分割算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于贝叶斯概率模型的水平集图像分割算法作者姓名吕婧导师姓名、职称公茂果教授一级学科控制科学与工程二级学科模式识别与智能系统申请学位类别工学硕士提交学位论文日期2014年11月学校代码10701学号1202121226分类TN82号TN391密级公开西安电子科技大学硕士学位论文基于贝叶斯概率模型的水平集图像分割算法作者姓名：吕婧一级学科：控制科学与工程二级学科：模式识别与智能系统学位类别：工学硕士指导教师姓名、职称：公茂果教授提交日期：2014年11月AnImageSegmentationMethodBasedonBayesianandLevelsetAthesissubmittedtoXIDI

2、ANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByLvjingSupervisor:Prof.GongmaoguoNovember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨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在导师指导下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

3、书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期：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：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。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，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章，署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在年解

4、密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要近些年来，随着计算机视觉领域的高速发展，目标追踪与识别，图像处理等技术引起了人们的研究热潮，而图像分割作为图像处理过程中重要而关键的一步，更是计算机视觉的基础，但基于待分割的图像种类复杂难以统一，针对不同领域的图像的特点，要求目标分割的精度高且算法运行时间短，分割方法往往不同。而水平集方法基于动态轮廓模型，将曲线嵌入高一维的空间中，通过求解高一维曲面的水平集函数能量方程的最小值，来达到图像分割的目的。由于水平集方法在演化过程中，曲线的拓扑结构可随意改变，并且每一次迭代算法步骤简单易行，分割效果较传统的算法更为精确因而广泛应用于图像分割当

5、中。而贝叶斯概率模型在很早之前就被引入到水平集能量方程之中，贝叶斯概率的核心思想是将先验信息和样本的似然函数相结合，这样克服了只有先验信息的带来的偏差又避免仅有样本分布时的误差。而本文提出了一种改进算法，首先，将图像的面积信息加入到原来仅有弧长信息作为先验知识的模型之中，因为如果先验信息仅考虑弧长信息的话，会导致分割过程中，演化曲线还未到达目标区域时就因为目标含有锯齿状的边界而停止演化。而在先验信息仅含有图像的面积信息时，不能保证分割曲线的光滑度，因此结合了图像的弧长和面积信息，提高了图像的分割精准度，演化曲线更靠近目标的真正边缘。同时改变了仅有单高斯模型组成的贝叶斯概率模型中的最大似然函数，

6、引入了混合高斯模型，如果目标和背景均服从高斯模型，则会不可避免的出现目标与背景的错检情况，而如果引入混合高斯模型则避免了由单一高斯模型引起的背景与目标的错检率，大大提高了算法在目标的检测效率与分割精度。最后结合这两个改进方法，将面积信息与弧长信息组合而形成的先验信息和背景与目标均服从混合高斯模型两点结合，实验结果表明，这一改进大大提高了图像分割过程中的精准率，并且对于一些分布比较复杂、目标边界比较曲折的图像，分割的效果明显优于基于MAP模型的水平集图像分割算法。关键字：图像分割，水平集算法，先验信息，高斯模型论文类型：应用基础研究类I西安电子科技大学硕士学位论文IIABSTRACTABSTRA

7、CTNowadayswiththerapiddevelopmentofcomputervision,moreandmoreresearchershavebeenfocusedontheobjecttracking,recognitionandimageprocessingtechnology.Theimagesegmentationasanimageprocessingimportantandcr