GVF Snake 图像分割模型开题报告

1. 研究目的与意义

图像分割即根据需要将图像划分为有意义的若干区域，或部分的图像处理技术。图像分割就是把图像分成若干个特定的、具有独特性质的区域，并提出感兴趣目标的技术和过程。而构造Snakes 模型的目的是为了调和上层知识和底层图像特征这一对矛盾。如今，图像分割在内容图像检索、机器视觉、生物特征识别、图像检测、压缩编码等方面都有广泛地应用。

2. 国内外研究现状分析

现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法，以及基于特定理论的分割方法等。而snake模型又分为基本snake模型，Snakes (DP)模型，Snakes (balloons)模型，GVF Snakes模型，Snakes 测地线模型和Level set 方法。近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。

3. 研究的基本内容与计划

一、研究内容

本次课程设计是将snake模型和图像分割结合在一起应用的课题，以构成一定形状的一些控制点为模板轮廓线，通过模板自身的弹性形变与图像局部特征相匹配达到调和，完成对图像的分割。再通过对模板的进一步分析而实现图像的理解和识别，最后应用软件matlab仿真,经过调试达到预期效果。

二、研究计划

4. 研究创新点

(1)比以往的计算机视觉理论具有更强的实用性,因为轮廓线模型可以将待处理问题的先验知识与各种图像处理算法有效地融合在一起。

(2)可以调和上层知识和底层图像特征这一对矛盾，将其有效地融合在一起。

(3) 将传统snakes 的图像力edge map 用扩散方程进行处理，得到整个图像域的梯度向量场（gradient vectorflow filed）并将之作为外部力，经过扩散方程处理后的gvf 比edge map更加有序，更能体现物体边界的宏观走势。