1、圖像分割是圖像處理領(lǐng)域首要解決的關(guān)鍵問(wèn)題?；谇€演化理論和水平集方法的幾何活動(dòng)輪廓模型不僅能夠自適應(yīng)地處理拓?fù)浣Y(jié)構(gòu)變化、提供高精度的閉合分割曲線，而且具有對(duì)初始條件不敏感、數(shù)值實(shí)現(xiàn)簡(jiǎn)單等優(yōu)點(diǎn)，目前在理論和應(yīng)用方面的研究正方興未艾。本文圍繞幾何活動(dòng)輪廓模型在醫(yī)學(xué)、自然和遙感等異質(zhì)圖像的分割問(wèn)題進(jìn)行了研究，主要獲得了以下一些成果：
　　 ⑴由于CV模型等傳統(tǒng)基于區(qū)域的幾何活動(dòng)輪廓模型僅將灰度同質(zhì)作為區(qū)域相似性的測(cè)度，致使模型在分割

2、噪聲分布大、灰度復(fù)雜的自然，遙感等異質(zhì)圖像時(shí)難有較好的分割結(jié)果。本文提出了一種基于Earth Mover's Distance(EMD)的快速活動(dòng)輪廓圖像分割模型：一方面給出了基于EMD的區(qū)域相似性測(cè)度，并引入到模型的定義；另一方面，本文采用基于過(guò)分割的規(guī)則化和快速曲線演化方法.該模型能有效地抑制演化曲線陷入局部極小，因此具有更好的目標(biāo)地物提取能力。同時(shí)，基于過(guò)分割的曲線演化提高了模型的數(shù)值實(shí)現(xiàn)效率，對(duì)合成圖像和遙感圖像的實(shí)驗(yàn)結(jié)果證明了

3、模型的有效性。
　　 ⑵基于局部二值擬合(Local Binary Fitting，LBF)的變分水平集模型的分割質(zhì)量很大程度上取決于核帶寬的選取，容易造成冗余輪廓、邊界模糊等問(wèn)題，本文提出了一種基于邊界保持局部擬合的變分水平集模型。該模型引入圖像相依的測(cè)地時(shí)間定義核函數(shù)，結(jié)合空間距離和圖像梯度，自適應(yīng)地選取鄰域采樣點(diǎn)；同時(shí)，采用基于多波段的圖像梯度，并相應(yīng)地調(diào)整圖像點(diǎn)的相異性測(cè)度，將模型的應(yīng)用范圍擴(kuò)展至彩色及多光譜圖像.實(shí)驗(yàn)結(jié)

4、果表明，該模型能選取較大核帶寬并有效保留潛在的邊界信息，從而避免了核帶寬的選取問(wèn)題，提高了演化曲線克服局部極小、弱邊界等問(wèn)題的魯棒性，能較好地應(yīng)用于灰度異質(zhì)圖像的精確分割；而且，該模型對(duì)彩色及多光譜圖像的分割也同樣有效。
　　 ⑶研究了基于成對(duì)相似性的圖劃分活動(dòng)輪廓(Graph PartitioningActive Contours，GPAC)模型。傳統(tǒng)GPAC模型的連接權(quán)函數(shù)僅與圖像光譜相關(guān)，使得模型在低對(duì)比度模糊圖像的應(yīng)用存

5、在較大局限，同時(shí)，成對(duì)相似性的計(jì)算量大，模型的數(shù)值實(shí)現(xiàn)效率不甚理想.針對(duì)上述問(wèn)題，本文引入測(cè)地核函數(shù)定義連接權(quán)函數(shù)，結(jié)合多相水平集，提出了基于局部圖劃分的多相活動(dòng)輪廓圖像分割模型.大量自然圖像的仿真實(shí)驗(yàn)表明：該模型較GPAC模型具有更好的邊界獲取能力，同時(shí)，模型通過(guò)測(cè)地核函數(shù)的帶寬約束，實(shí)現(xiàn)了水平集演化的窄帶加速效果，減少了成對(duì)相似性的計(jì)算和存儲(chǔ)，從而提高了模型的計(jì)算效率。
　　 ⑷為了克服傳統(tǒng)幾何活動(dòng)輪廓SAR分割模型高度依賴