基于PDE的快速自适应图像分割算法.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2010年 第 24期总 第 335 基于PDE的快速 自适应图像分割算法 职 占江 ,宋锦萍 (1.河南大学 数学与信息科学学院,河南 开封 475004;2.河南大学 应用数学研究所,河南 开封 475004) 摘 要 :在水平集理论和Chan-Vese模型 的基础上 ,详细分析 了水平集 函数的初始位置和分割速度的关系,指 出如果初 始位置 不好 ,将会影响曲线的演化速度 。针对该 问题提 出 了利用 阂值分割技 术对水平集函数进行初 始化 ,通过 优化水平集 函数 的初始位置来加快Chan—Vese模型的演化速度。实验结果表 明,本文所提 出的方法不受初始轮廓位置的限制 ,具有鲁棒 性 ,分割效果 良好,有很好的实际意义。 关键词 :图像分割 ;偏微 分方程 ;水平集 ;Chan—Vese模 型 中图分类号 :TN91134 文献标识码 :A 文章编号 :1004—373X(2010)24—0023—04 FastAdaptiveImageSegmentation Algorithm Basedon PDE ZHIZhan—jiang ,SONGJin—ping’ (1.CollegeofMathematicsandInformationScience,HenanUniversity,Kaifeng475004,China; 2.InstituteofAppliedMathematics,HenanUniversity,Kaifeng475004,China) Abstract:BasedonthelevelsettheoryandtheChan-Vesemodel,therelationshipbetweentheinitialpositionofthelevelset functionandthespeedofdivisionisanalyzedindetail,andthepoorinitialpositioncanaffectthespeedofthecurveevolution.Forthe problem ,initializingthelevelsetfunctionsbythresholdingsegmentationtechnique,andspeedinguptheevolutionoftheChan-Vese modelbyoptimizingtheinitialpositionofthelevelsetfunction.Experimentalresultsshow thattheproposedmethodisnotrestricted bythelocationoftheinitialcontour.Besides,ithasrobustness,goodsegmentationresultsandpracticalsignificance. Keywords:imagesegmentation;partialdifferentialequations;levelset;Chan—Vesemodel 近年来 ,源于约束最优化、能量最小化以及变分法的 Mumford—Shah分割模型提出的一种简化形式 ,该模型 偏微分方程(PDE)方法口]在图像处理中得到了广泛的应 将原始图像视为由不连续集分和片常数 图像组成 的简 用 ,特别是活动轮廓模型 已经成为图像分割的常用方法 单形式 ,停止函数不再依赖于图像 的局部梯度 ,而是同 之一。该类模型将图像区域的先验知识与图像数据的约 质区域的全局信息。该方法 同时适用于有梯度和无梯 束联系起来 ,使活动轮廓在演化过程 中能够保持连续性 度轮廓的检测 ,取得了很好 的分割效果 |6]。由于在求 和平滑性。目前 ,国际上研究的热点是T.Chan和 L.Vese 解 Chan—Vese模型时需要用到水平集方法 ,不妨先来 基

文档评论(0)

jsntrgzxy + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档