split-bregman迭代_线性bregman迭代小波_线性bregman迭代(2)

视觉是人的眼睛接受到了图像的作用而产生的，图像中包含了丰富的信息，其是通过各种各样的观测仪器从客观大日然中获取的。split-bregman迭代计算机视觉ComputerViSion 是通过用计算机以及其他的图像生成设备来人为模拟大自然中人和其他动物视觉的一门学科，计算机视觉，通过从图象以及其序列诸如医学断层图像、视频连续图像中得到对大自然以及人类社会的理解，同时，对2D图象进行恢复得到3D环境中真实事物的外部信息。随着数字信号概念的提出、发展以及计算机硬件的不断更新升级，大量不同类型的图像均最终可转化成为计算机包含视觉信息的、并可直接处理的数字信号。在目前的计算机视觉体系中，数字图像处理已经成为一个十分重要的领域。数字图像处理领域有着诸多的分支，其总包括图像扩散、图像修复、图像分割、图像配准、三维重建、抠图等。当人们在进行图像研究以及相关应用拓展中常常并不对整幅图像的信息感兴趣，感兴趣的仅仅是图像中的某些局部的信息，诸如图像的边缘或者图像中某些小区域，这些局部信息可以为二维的平面信息，也可以为三维重建曲面上的三维空间信息，我们需要把它们从图像中分离提取出来以便于更好地辨识和分析这些局部信息，这样才能够对目标进行更高效率以及更深层次地处理，正基于此图像分割技术诞生了。

在图像分割中，待分割的前景目标信息一般都具有某种属性特征的相似一致性，诸如灰度图像的灰度信息、彩色矢量图像的彩色信息、纹理图像的结构化重复振荡信息、以及视频图像中光流场信息等。图像分割是计算机数字图像处理中非常重要的分支领域，其他学科诸如计算机图像理解方法也把图像分割技术作为基础。图像分割可以通过抽取图像中重要的信息为图像科学的其他领域提供非常有用的材料，同时图像分割在日常生活中的应用也非常广泛。医学图像处理领域中有着诸多特征及其复杂的图像，例如CT，MRI等图像中存在具有树状结构的目标，这些形状由于包含大量的突出和分支结构而相当地不规则，诸如血管气管以及支气血管等，当然，人体的骨骼也被包含在这一类目标当中。split-bregman迭代在如今的医学治疗中，必须精确地得到这类结构或以及与之类似的病理组织的三维模型，而现有的图像分割算法青岛人学硕七学位论文对这一类拓扑结构动态变化的目标分割无能为力。图像分割技术一直视医学图像研究为一个重要待攻克的领域因为这类图像分割技术具有尤其重要的实用价值。医学图像分割理论以及技术的智能化、通用化受到很大限制主要是因为医学图像通常为信噪比非常低、组织特征也通常不稳定、软组织之间或病因要素与其他正常区域边界模糊难以界定，细微结构诸如血管或者神经中枢遍历非常复杂等。

图像分割领域由于体系化基本完成，因此对于医学图像分割有诸多的分割算法提出，这些算法都有各自的针对性，他们往往都是针对特定的领域、特定的图像，这导致图像分割领域一直没有统一的规则标准；同时，一些分割算法的效果都十分地不理想以至于很难向临床实际应用推广并普及。图像分割技术除医学图像领域之外在其他领域诸如工业自动化、文件图像处理、遥感图像以及军事方面都有重要的现实意义。1．2研究现状ContourModel，近年来在图像分割领域中，主动轮廓线模型… Active或者称之为ACM 由于能够直白地表示出图像分割区域，因而此模型得到了广泛应用，其原理是作用在图像内的平面分割线或者曲面上的轮廓线在自身及图像数据的联合作用下达到演化的效果。用此模型在分割图像时要想保证演化时保持平滑以及连续就必须利用先验知识以及图像固有的信息诸如区域的位置、亮暗、大小或者形状等，并以能量函数的形式来得以体现。其中，主动轮廓线模型又可细划分为参数主动轮廓线模型乜1 PACM 和几何主动轮廓线模型‘31‘41 GACM 。参数主动轮廓线模型是通过能量为主要演化依据的分割算法，其能量函数的具体形式为演化曲线自身的能量和图像数据能量的加权平均值，通过求解此能量泛函取极小值而找出一条最佳的曲线使得其能够成功地从图像中提取出待分割的目标结构。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-38505-2.html