بخش‏ بندی و استخراج اشیاء در تصاویر بافتی با بکارگیری مدلهای کانتور فعال تطبیق‏پذیر

این پایان‏نامه روشها و الگوریتمهای جدیدی براساس مدلهای کانتور فعال ارائه می‏کند که دقت و کارایی این مدلها را برای بخش‏بندی تصاویر بافتی و نویزی به‏ میزان قابل‏ توجهی بهبود می‏دهد. در این پایان‏نامه، یک تابع انرژی جدید برای مدلهای کانتور فعال براساس تابع خودهمبستگی ارائه می‏شود که شناسایی اشیاء کوچک را در مقابل پس‏زمینه‏های کلاتری و بافتی امکان‏پذیر می‏کند. در روش پیشنهادی، ویژگیهای تصویری با بکارگیری ترکیبی از خودهمبستگی‏های ترم-کوتاه برای هر پیکسل در دامنه تصویر محاسبه می‏شوند تا اطلاعات هر ناحیه را نمایش دهند. ویژگیهای بدست آمده، بکارگرفته می‏شوند تا یک تابع انرژی جدید به نام "خودهمبستگی‏ ترم-کوتاه انباشته نرمال شده" را برای کانتور فعال مبتنی‏بر ناحیه محلی شده معرفی کنند. با کمینه کردن این تابع انرژی، می‏توان اشیاء کوچک را در تصاویری با پس‏زمینه‏های کلاتری و دارای بافتهای ناهمگن شناسایی کرد. همچنین، روش پیشنهادی پایداری زیادی دربرابر نویز فراهم می‏کند و می‏تواند اشیاء کوچک را از پس‏زمینه‏های نویزی که با چشم غیرمسلح به سختی شناسایی می‏شوند، با دقت استخراج کند. در این پژوهش، همچنین یک مدل کانتور فعال ترکیبی جدید مبتنی بر انرژی‏های لبه و ناحیه معرفی می‏شود که می‏تواند برای بخش‏بندی تصاویر بافتی با تباین اندک مورد استفاده قرار گیرد. انرژی لبه در روش پیشنهادی با استفاده از روشهای مبتنی‏بر فاز محلی که حساسیت کمی در برابر تغییرات غیریکنواخت شدت روشنایی پس‏زمینه دارند، محاسبه می‏شود. در مدل پیشنهادی، همچنین یک انرژی جدید مبتنی‏بر تابع توزیع تجمعی محلی برای انرژی ناحیه کانتور فعال ترکیبی ارائه می‏شود که می‏تواند نواحی با میانگین و واریانسهای یکسان را به خوبی بخش‏بندی کند. به‏علاوه، در این تحقیق برای نشان دادن کاربرد عملی روشهای پیشنهادی، بخش‏بندی تصاویر فراصوت درون‏رگی بررسی می‏شود. در این راستا، الگوریتمهای جدیدی مبتنی‏بر کانتورهای فعال پارامتریک برای شناسایی مرزهای داخلی و خارجی رگ ارائه می‏شوند. سپس با بهره‏گیری از مدل کانتور فعال ترکیبی، پلاکهای کلسیم ما بین این دو مرز به طور دقیق شناسایی می‏شوند.