摘 要：图像分割是图像分析的基础。它把图像分割成几个性质不同的区域然后从中提取区域内的图像信息。近半个世纪，有关水平集方法的各种理论不断被许多学者提出并进行理论更新。其中，水平集方法是图像分割方法中的一个研究热点。相较于传统的分割方法，水平集方法可以自然地改变轮廓曲线的拓扑结构。活动轮廓线方法也因为水平集方法的提出而被广泛运用。几何活动轮廓模型有基于边缘和区域的两大模型。传统的区域模型如Chan-Vese（C-V）模型可以很好的分割弱边界和离散边界，但是无法准确分割灰度不均匀图像。在本文中，首先介绍图像分割的各种方法，再重点介绍水平集方法的理论基础和两种几何活动轮廓模型，然后在C-V模型的基础上提出本文的模型。最后通过对多组图像的实验，证明了这个模型的有效性。

关键词：图像分割、水平集、活动轮廓模型、灰度不均匀、Chan-Vese模型

目录

摘要

Abstract

1 引言-1

1.1 意义-1

1.2 图像分割方法-2

1.2.1 传统的分割方法-2

1.2.2 基于特定理论的分割-2

1.2.3 基于活动轮廓模型的分割-3

1.3 研究背景-3

1.4 全文结构-4

2 水平集方法-6

2.1 曲线演化理论-6

2.2 水平集方法-7

2.3 水平集函数-8

2.4 水平集函数的算法研究-8

3 基于区域的几何活动轮廓分割方法-10

3.1 M-S模型-10

3.2 C-V模型-10

4 本文模型-14

4.1 惩罚项-14

4.2 本文模型的算法研究-14

4.3 模型的参数选取-16

5 实验结果-17

5.1 实验环境-17

5.2 实验过程-17

5.3 结果分析-42

6 总结与展望-43

6.1 总结-43

6.2 展望-43

参 考 文 献-44

致 谢-46