为提高遥感图像水域分割的准确度, 结合高分率遥感图像中水域与背景纹理复杂度差异较大的特点, 将图像熵引入到CV模型中, 提出两种图像熵主动轮廓模型用于高分辨率遥感图像的水域分割。其中, 针对水域纹理相对简单的遥感图像, 在CV模型中引入零水平集内的图像熵而构成局部图像熵主动轮廓模型, 可以有效降低背景中灰度值与水域近似的区域发生误分, 从而提高水域分割的准确度; 针对水域纹理相对复杂的遥感图像, 在CV模型中同时引入零水平集内外图像熵而构成全局图像熵主动轮廓模型, 改进了水平集函数进化过程中对灰度信息的依赖, 并能使零水平集进化到全局最优, 进一步提高了遥感图像中水域分割的准确度。针对高分辨率遥感图像中的湖泊、河流和海域分割对比实验结果表明：局部图像熵主动轮廓模型的分割精确率分别为90.1%、81.5%和93.6%, F值分别为0.94、0.885和0.96; 全局图像熵主动轮廓模型的分割精确率分别为94.5%、85.3%、94.9%, F值分别为0.956、0.895、0.967。本文提出的两种图像熵主动轮廓模型均能有效减小背景误分, 提高了遥感图像水域分割的准确度。

基于局部高斯拟合的主动轮廓模型利用图像的均值和方差信息来拟合图像信息。与只利用图像灰度均值信息建模的主动轮廓模型相比, 该模型能很好地分割复杂的医学图像。但该模型仅利用了图像的局部信息建模, 因此收敛速度比较慢; 并且在建立能量泛函时, 采用传统的Heaviside函数, 分割精度不高。针对这些缺陷, 在改进Heaviside函数的基础上, 引入全局高斯拟合项, 并且对局部高斯拟合项和全局高斯拟合项的权重系数均采用自适应的方法进行调整, 得到基于局部和全局高斯拟合的主动轮廓分割模型。改进模型不仅能有效分割均值相同但方差不同的图像, 还能有效分割质量较差的医学图像, 并通过实验检验了改进模型的性能。

针对传统活动轮廓模型(Snake)对初始轮廓要求高、无法进行多目标提取且抗噪性弱等缺陷, 提出了一种新的基于广义似然比的最小方差活动轮廓模型。该算法在区域活动轮廓模型的基础上引入广义似然比信息, 以目标区域和背景区域具有最小方差为准则设计了新的能量函数, 并使用梯度下降法最小化能量函数, 驱动轮廓线不断收缩至物体边界。合成图像和真实图像的实验结果证明, 基于新模型的活动轮廓提取算法对初始位置不敏感, 具有一定的抗噪性, 并适用于多目标场景。

提出了一种基于改进主动轮廓模型的海天线检测算法，检测全景海域图像中的椭圆海天线。通过全分辨率算法获取图像的视觉显著图，提取全景设备区在全景图像中的位置，以消除全景设备区干扰对海天线检测的不良影响。根据全景海天线为椭圆形这一特征，将构造的形状能量约束项加入主动轮廓模型中作为新的能量函数，使活动轮廓线的形状在收敛过程中受到限制，从而成功收敛到全景海天线上。实验结果表明，该算法对不同拍摄条件下的全景图像均适用，检测准确率达到96%，普适性和稳健性良好。

基于区域信息的主动轮廓模型应用在图像分割中,难以使初始轮廓线的鲁棒性和分割强度异质图像的能力实现有效统一。针对这一缺陷,根据 Fisher判别准则,在基于全局区域信息和局部区域信息的主动轮廓模型的基础上,对局部区域信息项进行了变换以及引入了判别准则,得到了一种改进的基于区域信息的主动轮廓模型。改进的模型不仅增强了初始位置的鲁棒性,而且可以有效处理强度异质图像,通过实验检验了该模型的性能。

为了实现甲状腺超声图像中结节组织的快速准确分割, 克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先, 利用相位一致性边缘检测原理构造一种新的速度函数, 不仅弥补了梯度算子边缘检测中由于滤波处理造成边缘损坏的缺陷, 而且可以灵活地控制曲线演化速率; 然后, 将该速度函数乘入到无边缘主动轮廓模型的能量项中, 避免了线性组合中的权重分配问题, 同时具有全局分割能力。通过理论分析和实验验证, 改进模型的相对差异度均小于1%, 运行时间均低于对比模型。结果表明, 新模型实现了灰度分布不均匀图像的精确分割, 同时分割效率也有所提高。

为了进一步提高C-V模型的分割速度、降低初始轮廓曲线位置对分割结果的耦合性, 提高多光谱成像仪图像分割效率, 本文提出一种改进的C-V模型。该模型通过将每次迭代得到的距离函数的最大值引入C-V模型的Dirac函数, 对该函数进行自适应参数修正, 以拓宽活动轮廓线的有效作用范围, 进而大大降低分割算法的迭代次数。实验结果表明, 与经典的C-V模型相比, 改进的C-V模型在其终止条件下得到了较理想的分割效果, 降低了初始曲线位置对最终分割结果的影响, 且新模型的收敛速度在原有的基础上至少提高了7倍。改进的C-V模型在实时性及全局性方面都得到了明显改进, 进一步提高了该算法在多光谱成像仪的图像分割方面的鲁棒性。

为了提高大脑磁共振图像的分割精度, 提出了一种新的图像分割算法。首先, 分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点, 联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后, 利用遗传算法和最大期望算法获取概率密度函数的参数值。最后, 利用水平集方法和梯度下降流法, 对获得的能量函数进行最小化, 从而得到最终的分割结果。与传统方法相比, 本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化, 能有效区分具有相近灰度值的不同区域, 从而提高了大脑磁共振图像的分割精度。

介绍了波门跟踪的原理以及波门自适应性的需求, 结合主动轮廓模型中的GVF Snake模型和自适应分析质心跟踪算法, 提出了基于Snake模型的波门自适应跟踪算法, 根据Snake模型的收敛轮廓来确定波门位置和大小, 由波门内背景像素点所占的比例来决定是否更新波门。通过实验仿真, 该算法能够自适应地改变波门的大小, 很好地跟踪目标。

基于主动轮廓模型(Snakes)理论研究了高分辨率遥感影像道路的提取。针对高分辨率遥感影像中 道路特征,通过改进现存方法得出更为适合道路提取的主动轮廓模型,并利用其完成道路提取工 作。通过对1 m分辨率的IKONOS影像进行实验,结果表明该方法能够较好地提取出城市高分辨 率影像中弯曲道路的完整对称边缘信息。