《基于改进的gvf主动轮廓模型的图像分割方法研究硕士论文金天顺》由会员分享，可在线阅读，更多相关《基于改进的gvf主动轮廓模型的图像分割方法研究硕士论文金天顺（125页珍藏版）》请在金锄头文库上搜索。
1、单位代码： 10293 密 级：硕 士 学 位 论 文论文题目： 基于改进的 GVF 主动轮廓模型的图像分割方法研究学号Y001090711金天顺姓名董育宁 教授导师信号与信息处理学 科 专 业图像处理与多媒体通信研 究 方 向工学硕士申 请 学 位 类 别二零一二年二月论 文 提 交 日 期南京邮电大学学位论文原创性声明本人声明所呈交的学位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的地方外，论文中不包 含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它 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
2、任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生签名：_ 日期：_南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院（筹）办理。涉密学位论文在解密后适用本授权书。研究生签名：_ 导师签名：_ 日期：_南京邮电大学硕士学位论文摘要学科、 专业：工学
3、、信号与信息处理 研 究 方 向：图像处理与多媒体通信作者：2009 级硕士研究生 金天顺 指导教师： 董育宁 教授0目：基于改进的 GVF 主动轮廓模型的图像分割方法研究 英文题目： Research on improved GVF active contour model-basedimage segmentation method主 题 词：图像分割，主动轮廓模型，GVF Snake，自适应图像结构Keywords: image segmentation, active contour model, GVF Snake, adaptive image structure南京邮电大学硕士研
4、究生学位论文摘要摘要图像分割的目的就是为了把图像按照一定的规则分割成若干个有特定性质的区域并把感兴趣的目标提取出来。近年来，随着模式识别技术的迅速发展，吸引了众多的研究者的注意。并且随着图像处理技术的日趋成熟，数字图像分割在临床医学中的应用越来越广泛。但由于医学图像复杂多变的特点，传统的研究方法很难实现准确的分割。学者也提出了很多不同的模型，比较突出的是主动轮廓模型。Kass 等人在 1987 年提出了主动轮廓线（Snake）模型，已经广泛应用于图像处理的各个领域，如图像分割，边缘检测和运动跟踪等。本论文对传统的主动轮廓模型进行了系统研究。然后分析并研究了基于 GVF Snake 模型的医学图
5、像分割方法。GVF Snake 模型相比于传统的 Snake 模型较好解决了传统 snake 模型难以解决的两个问题：1 对初始化轮廓线非常敏感；2 在分割图像的凹陷部分时不能达到理想的效果。但是如果分割的图像边界非常不规则或者有比较狭长部分，GVF Snake 仍然不能很好的收敛到目标轮廓，因此本文首先在图像分割之前引入 Perona-Malik 模型，增强图像边缘的同时减弱噪声，使定位更加准确。然后针对 GVF Snake 的一些缺点进行了修改，提出一种自适应图像边缘结构 GVF Snake。这种自适应图像结构 GVF Snake 模型很好的考虑了具体图像的边缘结构信息。因此和 GVF S
6、nake 相比较本文改进的方法具有更好的收敛效果。三维序列图像的分割是建立在在二维图像分割的基础上，因此二维图像分割的好坏直接决定了三维图像分割的效果。本论文基于三维图像平滑、连续的特性，在三维医学序列图像分割中采用预测结合块匹配法优化主动轮廓模型的初始化位置，并采用了本文改进的自适应图像结构 GVF Snake。实验结果表明，与以 GVF Snake 为基础的三维医学序列图像分割相比，把本文改进的 GVF Snake 方法引入到三维序列图像分割中，可以有更加理想的效果，尤其是在分割图像变化比较显著的图像序列时，本文改进的方法显著的提高了分割的准确性。主题词：图像分割，主动轮廓模型，GVF S
7、nake，自适应图像结构I南京邮电大学硕士研究生学位论文AbstractAbstractImage segmentation is the one of the key technologies in field of computer vision and image processing. Especially in recent years, with the rapid development of computer technology, it has attracted the attention of many researchers. Digital Image segment
8、ation is applied more widely in clinical medicine. Scholars have proposed a lot of models: the more prominent is the active contour model Type. The active contour model(Snake),originally presented by Kass in 1987,has been widely used in image processing fields, such as image segmentation ,edge detec
9、tion and motion tracking.Based on the traditional Snake model image segmentation, this thesis further studies the medical image segmentation based on the GVF Snake Model. It preferably solves the initialization problem and concavity problem which is hard to deal with by the traditional snake model.
10、However, in some image segmentation, GVF Snake still can not convergence to the target contour well. In this paper, Perona-Malik is introduced before image segmentation, it enhances image edge while abates noise, which makes the position accurate. Then some of the shortcomings of GVF Snake are modif
11、ied. An adaptive image structure GVF Snake model is proposed. This model takes into account the specific structure of the edge of the image information, so it has better convergence results than GVF Snake.Three-dimensional image sequence segmentation is based on two-dimensional image segmentation, s
12、o two-dimensional segmentation is particularly important. Based on the characteristics of 3D images, i.e. the surface is smooth and the deformation of the contour is continuous in 3D space，the adaptive image structure GVF Snake model is applied in 3D images segmentation. Experiments show that the ad
13、aptive image structure GVF Snake model can achieve better segmentation results in two-dimensional and three-dimensional image segmentation. It also can remarkably improve the accuracy of the segmentation in comparison with the GVF Snake.Keywords:Image Segmentation, Active Contour Model, GVF Snake, Adaptive Image StructureII南京邮电大学硕士研究生学位论 文缩略语缩略语GVFGradient Vector Flow梯度矢量流GFGVFGeneralized Fuzzy Gradient Vector Flow广义模糊梯度矢量流LDSPLarge Diamond Search Pattern大模板搜索方法SDSPSmall Diamond Search Pattern小模板搜索方法III南京邮电大学硕士研究生学位论文目录目录摘要 .IABSTRACT .II缩略语.III目录 .IV第一章 引言.
