边缘强化的无需重新初始化的水平集分割模型.pdfVIP

第３７卷 第６期 福州大学学报（自然科学版） Ｖｏｌ．３７Ｎｏ．６ ２００９年１２月 ＪｏｕｒｎａｌｏｆＦｕｚｈｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｄｅｃ．２００９ 文章编号：１０００－２２４３（２００９）０６－０７９８－０５ 边缘强化的无需重新初始化的水平集分割模型 张运平，王美清 （福州大学数学与计算机科学学院，福建 福州３５０１０８） 摘要：对Ｃｈａｎ－Ｖｅｓｅ模型和Ｌｉ等提出的不需初始化的基于变分的几何活动轮廓模型在水平集框架下的物理机 制进行了分析，在考虑两种模型优缺点的基础上，提出一种新的基于水平集框架的图像分割模型．该模型整合 了图像边缘的局部信息和区域的全局信息，数值计算过程中水平集不需要重新初始化．为了防止边缘信息深 入到分割目标的内部，新模型利用Ｌａｐｌａｃｉａｎ修正算子加大边缘信息在方程中的权重．实验表明，与ＣＶ模型相 比，所提出的新模型分割效果和分割时间与初始轮廓线的位置和形状选取基本无关；在处理噪声图像、灰度值 渐进多目标图像和边缘复杂图像等效果也优于ＣＶ模型和Ｌｉ模型． 关键词：图像分割；边缘强化；水平集方法；Ｌａｐｌａｃｉａｎ修正算子；Ｃｈａｎ－Ｖｅｓｅ模型 中图分类号：ＴＰ３９１　 文献标识码：Ａ Ｌｅｖｅｌｓｅｔｓｅｇｍｅｎｔａｔｉｏｎｍｏｄｅｌｗｉｔｈｅｎｈａｎｃｅｄｂｏｕｎｄａｒｙａｎｄｎｏｎ－ｒｅｉｎｉｔｉａｌｉｚａｔｉｏｎ ＺＨＡＮＧＹｕｎ－ｐｉｎｇ，ＷＡＮＧＭｅｉ－ｑｉｎｇ （ＣｏｌｌｅｇｅｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＦｕｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ，Ｆｕｊｉａｎ３５０１０８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＩｎｔｈｉｓｐａｐｅｒＣＶｍｏｄｅｌａｎｄｔｈｅｇｅｏｍｅｔｒｉｃａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｂａｓｅｄｏｎｖａｒｉａｔｉｏｎｐｒｏｖｉｄｅｄ ｂｙＬｉａｒｅａｎａｌｙｚｅｄ．ＡｎｅｗｌｅｖｅｌｓｅｔｍｏｄｅｌｂａｓｅｄｏｎＰＤＥｉｓｐｒｏｐｏｓｅｄｔｏｏｖｅｒｃｏｍｅｔｈｅｄｒａｗｂａｃｋｓｏｆ ｔｈｅｓｅｍｏｄｅｌｓａｂｏｖｅ－ｍｅｎｔｉｏｎｅｄ．Ｔｈｅｎｅｗｍｏｄｅｌｃｏｍｂｉｎｅｓｔｈｅｌｏｃａｌｉｎｆｏｒｍａｔｉｏｎｏｆｅｄｇｅｓａｎｄｔｈｅｇｌｏｂ ａｌｉｎｆｏｒｍａｔｉｏｎｏｆｒｅｇｉｏｎｓ，ａｎｄｔｈｅｒｅｉｓｎｏｎｅｃｅｓｓａｒｙｏｆｒｅ－ｉｎｉｔｉａｌｉｚａｔｉｏｎｉｎｎｕｍｅｒｉｃａｌｃｏｍｐｕｔｉｎｇ．Ｅｘ ｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｃｏｍｐａｒｅｄｗｉｔｈＣＶｍｏｄｅｌ，ｔｈｅｓｅｇｍｅｎｔａｔｉｏｎｅｆｆｅｃｔａｎｄｔｈｅｒｕｎｎｉｎｇｔｉｍｅ ｏｆｔｈｅｎｅｗｍｏｄｅｌａｒｅｉｎｄｅｐｅｎｄｅｎｔｏｆｔｈｅｐｏｓｉｔｉｏｎａｎｄｓｈａｐｅｏｆｔｈｅｉｎｉｔｉａｌｃｏｎｔｏｕｒ．Ｔｈｅｅｆｆｅｃｔｏｆｔｈｅｉｍ ｐｒｏｖｅｄｍｏｄｅｌｗａｓｍｕｃｈｂｅｔｔｅｒｔｈａｎｔｈｅｔｗｏｍｏｄｅｌｓａｂｏｖｅ－ｍｅｎｔｉｏｎｅｄｗｈｅｎｐｒｏｃｅｓｓｉｎｇｎｏｉｓｙｉｍａｇｅｓ， ｍｕｌｔｉ－ｏｂｊｅｃｔｉｍａｇｅｓａｎｄｉｍａｇｅｓｗｉｔｈｃｏｍｐｌｅｘｅｄｇｅｓ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ；ｅｎｈａｎｃｅｄｂｏｕｎｄａｒｙ；ｌｅｖｅｌｓｅｔｍｅｔｈｏｄ；Ｌａｐｌａｃｉａｎｏｐｅｒａｔｏｒ；Ｃｈａｎ－ Ｖｅｓｅｍｏｄｅｌ 图像分割是计算机视觉与图像处理的基础性难题，自Ｋａｓｓ等人提出活动轮廓模型（ａｃｔｉｖｅｃｏｎｔｏｕｒ即 ［１］ ［２］ Ｓｎａｋｅ模型 ），特别是水平集方法（ｌｅｖｅｌｓｅｔｍｅｔｈｏｄ） 和几何活动轮廓线模型（ｇｅｏｍｅｔｒｉｃａｃｔｉｖｅｃｏｎ ［３］