学院计算机科学与技术学院专业班级计算机科学与技术.doc
学院：计算机科学与技术学院专业班级：计算机科学与技术
姓名韩东学号0925141008指导
教师柳欣职称
学历
课题名称水平集在图像分割中的应用：密度不均匀图像 设计(论文)类型
(划√)工程设计应用研究开发研究基础研究其它√本课题的的研究目的和意义：
在信息社会里，图像已成为人类获取和交换信息的重要途径，而利用计算机进行数字图像处理是为了对图像中的目标进行分析，从而获得目标的客观信息并建立对图像的相关描述。图像分割一直是数字图像处理领域中最为基础和重要的问题，它是对图像进行视觉分析和模式识别的基本前提。图像分割是指将给定图像划分成多个互不重叠且有意义的同质区域。图像分割在从图像处理、分析到理解的整个图像工程中占据着重要的位置，是图像识别和图像理解的基础，也是成功进行图像分析、理解与描述的关键环节，其结果直接影响着后续的图像分析、理解的质量。
水平集方法已经成为图像分割领域的一个研究热点，并在处理图像分割问题时表现出了良好的性能。相较于传统的图像分割方法，水平集方法有着显著的优点：用隐式表达的演化曲线(面)可以很自然地改变其拓扑结构，因此可以分割图像中具有复杂形状的目标对象；避免了对闭合曲线(面)演化过程的跟踪，将曲线(面)的演化转化成一个纯粹的偏微分方程求解问题；其有着较强的数学背景作为理论支撑，较为容易扩展到高维情况。因此，对其进行研究是非常有必要的。
文献综述(国内外研究情况及其发展)：
经过多年的发展，医学、计算机视觉等领域的国内外学者先后提出了一些经典的水平集分割模型，通常可将其划分为：基于边缘的分割模型、基于区域的分割模型、边缘和区域混合驱动的分割模型以及形状约束的分割模型等。
基于边缘的分割模型是以目标边缘信息作为主要驱动力来引导分割曲线的运动。代表性模型如GAC模型等，这类模型的特点是：边界强度弱或者没有边界的地方，变形曲线运动速度大，而边界强度较强的地方，变形曲线速度较慢甚至停止。Caselles将平均曲率的变化引入到基于水平集求解的主动轮廓模型中；以符号控制量和曲线曲率量部分构造速度函数，提出了基于梯度的水平集分割模型；Malladi等以目标边缘信息控制曲线演化的速度，使演化曲线停止在图像边缘处。这种与梯度有关的方法对边界明显的图像分割效果佳；而在目标边缘不明显或者存在缝隙情况下，此方法将会出现边缘泄露现象。为了缓解分割模型的不足，Caselles等和Yezzi等基于能量最小化准则，率先将水平集理论用于解决图像分割问题，并提出了测地线主动轮廓模型(Geodesic Active Contour Model，简称GAC模型)，而GAC模型也沟通了参数变形模型和几何变形模型之间的关联。
在国内研究方面，中科院的潘青博士和徐国良教授提出了一种新的变形曲面水平集方法；北京大学的段侪杰等删通过对图像中的灰度分布和空间中的温度场分布进行对比，定义了图像能量和图像能量的传导方程，并通过模拟热量传递的过程对水平集方程进行求解。
东北大学的徐心和教授和曾鹏鑫博士等基于主动轮廓模型开展了动态场景中目标的检测跟踪研究，已首都师范大学张朋教授和何宁等将图像梯度信息同基于局部二值拟合的主动轮廓模型相结合；燕山大学李惠光教授、吴惕华教授、李国友博士等将广义模糊集引入到主动轮廓当中实现图像的分割处型；哈尔滨工程大学的黄凤岗教授指导的贾迪野也开展了相关研究。
重庆大学数理学院何传江掣改进了水平集重初始化的方法，提出了一种新的用于图像分割的自适应距离保持的水平集演化模型；南京理工大学夏德深教授和刘复昌基于Mumford．Shah模型进行的自动及交互分割方法研究；哈尔滨工业大学的唐降龙教授和金东晖提出了一种边缘区域信息融合的水平集模型；哈尔滨工业大学的沈毅等提出了一种增量式水平集方法实现医学图像的快速分割；北京师范大学的周明全教授和税午阳博士等将水平集方法同分水岭相结合实现磁共振颅脑图像中组织自动提取；西安电子科技大学的高新波教授和王斌博士以水平集接力实现图像的自动分割；电子科技大学曹宗杰等提出了基于统计模型的变分水平集模型以实现对SAR图像的准确分割；大连理工大学电子与信息工程学院的陈志彬等将模糊C均值聚类算法引入到水平集模型中以改进MRI的分割效果；东北大学的高齐新等将Canny算子同水平集方法相结合以实现肺部血管的分割；东南大学梅雪、夏良正等基于全局信息提出了一种变分水平集模型以实现红外目标的分割；类似研究还有，江南大学信息工程学院的谢振平等也提出了融合模糊聚类的Mumford．Shah模型等。
本课题的主要研究内容(提纲)和成果形式：
(1) 理解数字图像处理和图像分割的概念，并且能对图像分割的方法进行分类；
