摘要：图像分割技术的应用已涉及机器视觉、医疗检测、交通控制等与计算机视觉相关的领域。但由于图像数据有其自身的特殊性和多样性，完全通用的图像分割技术至今仍未被提出，由于基于水平集方法图像分割的优越性，吸引了大量学者的关注。本文就水平集的图像分割方法进行了探究，内容如下：

首先，对图像分割的研究背景和水平集方法的研究现状进行了简要描述。其次，对水平集原理的主要思想方法以及相关基础理论进行了介绍，并提出对图像分割效果的客观评价准则。最后，建立了Chan-Vese和距离正则化水平集两个经典的水平集模型，并通过实验仿真对模型其分割效果及其优缺点进行了总结，Chan-Vese模型对于初始轮廓线位置的要求不高，不过这种分割方法具有一定的局限性，无法对灰度不够均匀的图像进行分割。距离正则化模型中，重复初始化水平集函数的问题用添加正则项条件的方法解决，使其大大减少了计算量，提高了算法的工作效率，不过还存在无法分割复杂灰度图像的局限性。

关键词：图像分割；水平集方法；Chan-Vese模型；距离正则化模型

目录

摘要

ABSTRACT

1-绪论-1

1.1-选题背景与意义-1

1.2-国内外研究现状-1

2-图像分割的概念-1

3-图像分割方法的分类-2

3.1-基于阈值的图像分割-2

3.2-基于边缘检测的图像分割-2

3.3-基于区域的图像分割-3

4-水平集的基本理论-3

4.1-曲线演化理论-3

4.2-水平集方法-4

4.3-水平集的数值计算-7

4.4-图像分割的评价准则-7

5-基于水平集的图像分割模型-8

5.1-CV模型-8

5.1.1-CV模型原理介绍-8

5.1.2-实验结果及分析-9

5.2-距离正则化水平集模型-10

5.2.1-模型介绍-10

5.2.2-实验结果及分析-11

6-结论-12

参考文献-14

附录-15

致谢-17