基于水平集和多目标的图像分割方法研究

《基于水平集和多目标的图像分割方法研究》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、基于水平集和多目标的图像分割方法研究作者姓名赵晓娜学校导师姓名、职称马文萍副教授领域电子与通信工程企业导师姓名、职称刘文学高工申请学位类别工程硕士提交学位论文日期2014年12月学校代码10701学号1202121462分类TN82号TP18密级公开西安电子科技大学硕士学位论文基于水平集和多目标的图像分割方法研究作者姓名：赵晓娜领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：马文萍副教授企业导师姓名、职称：刘文学高工提交日期：2014年12月AStudyofImageSegmentationbasedontheLevelSetMethoda

2、ndMulti-objectiveOptimizationAlgorithmAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByZhaoxiaonaSupervisor:MawenpingLiuwenxueDecember2014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

3、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作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。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于西安电子科技大学。学校有权保留送交论文的复印件，允许

4、查阅、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，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要图像分割作为图像处理以及机器视觉领域内基本且关键的一个操作过程，有着至关重要的作用。因此，图像分割一直在图像处理领域中受到广泛的关注。针对图像本身所具有的灰度、颜色以及纹理信息等特征，广大学者提出了许多对图像进行分割的方法，比如聚类、阈值、边缘检测等等方法。这些方法中大部分都是直接对图像的灰度信息进行

5、处理，这样的处理方式很容易受到噪声以及灰度分布不均匀情况的影响。本文采用基于区域统计模型的水平集方法对图像进行分割，将水平集函数嵌入能量方程的框架当中，水平集轮廓在能量函数的最小化的过程中逐渐收敛至最优分割曲线，并且对于传统的单目标的方法不能够全面地考量图像分割的多个方面信息，所以本文采用基于多目标的方法进行图像分割。本文提出两种图像分割方法。第一种是将模糊理论运用到基于统计模型的水平集算法，并将其运用在图像分割中。第二种是将多目标算法运用到图像分割中，提出了一种基于多目标进化的图像分割方法。论文的研究内容如下：1.提出了一种基于模糊理论的统计水平集

6、动态轮廓模型的图像分割方法。本方法将模糊因子加入到水平集动态轮廓模型中，模糊概念的引入可以有效地抑制噪声污染以及外来值对分割结果的影响，对于提高分割结果的鲁棒性及其准确性都有很有效的作用。另外，正则项的使用可以保护水平集函数不会在演化过程中退化，并且可以省略重新初始化的步骤，这样不仅提高了分割的效果，还大大降低了时间复杂度。实验结果显示，本方法在分割效果上优于其他经典的水平集方法，尤其是对于分割过程中噪声点和奇异值带来的影响，对于灰度分布不均匀的图像应用本模型也能够得到很好的分割效果，同时本方法能够很好的捕捉到图像的弱边界，对于边界模糊的图像也能够有

7、效地进行分割。2.提出了一种基于多目标进化算法的图像分割方法，并将其用于SAR图像分割中。在该模型中，我们将硬聚类的目标函数和近邻惩罚函数作为多目标进化中的两个目标函数，这个两个函数分别从图像的紧密性和连通性两个方面对图像的特征进行诠释。此外，本文中采用了改进的基于多目标的免疫克隆算法对设定的两个目标函数进行优化，该优化方法采用拥挤距离对种群中个体进行筛选，这种选择方式有效地克服陷入局部最优的问题。与此同时，在对图像的前期处理中我们对图像进行分水岭初分割，种群初始化中采用了随机编码以及基于最小生成树的编码方式，这种编码方式提高了种群的多样化。实验结果

8、显示该方法有效地I西安电子科技大学硕士学位论文克服了陷入局部最优问题，同时兼顾了抑制噪声和保留细节。关键词：