基于Chan-Vese算法的自适应分等级分割方法.pdfVIP

·870· 天 津 大 学 学 报 第40卷第7期 割结果中就会出现若干相同部分，没有充分利用每一 化曲线到达物体时，内部区域能量和外部区域能量的 个kvelSet函数，也增加了分割的时间．Jeon等人归J 和为o．Length(c)=II阳(咖)I出妙是当前演化曲 提出了无监督的分等级分割，在每一步分割中均只使 矗 用一个LevelSet函数，将当前图像分成两部分，然后 矗 根据一定标准选出下一个待分割像．此方法虽然简单 线内部的面积项，日为Heaviside函数． 易行，但使用了较多的Levelset函数，增加了分割过 1．2 多相分割 程，加大了误差积累． 传统的Chan—Vese水平集模型只能将图像分割为 针对以上出现的问题，提出自适应分等级分割方 C。和c：两部分，故也称为二相水平集分割模型．Chan 法，在充分利用每一个Levelset函数的同时也减少了 分割的过程，保证了分割的精度．与多相分割相比，自 相分割模型[6]，适用于分割包含多个物体的图像．其 适应分等级分割方法对弱边界区域的分割更完整、更 基本思想是同时使用n个kvelSet函数来表示24个 精确．同时，因为分割过程由灰度直方图和参数控制， 不同的区域，避免了以往多物体分割方法中出现的空 因此可以实现全自动分割，无需人工参与． 洞和重叠的情况，大大降低了计算的复杂度． 通常，1个LevelSet函数可以表示由咖区分出的 1 多相分割及无监督的分等级分割 两个不同的部分，分别为{咖0}和{咖O}；当使用2 个Level Set函数咖h咖：时，可以区分4个不同的部 1．1 Chan-Ve∞模型 Chan．Vese模型是基于水平集思想和Mun怕rd— 咖2O}和{咖1O，咖20}；同样，3个kvelSet函数 Shah模型，不利用梯度信息，而是通过最小化能量函咖。、咖：、咖，可以表示8个不同的部分，分别为{币，0， 数的方式来演化曲线．与Mun而rd-shall模型的另一个 不同之处在于，Ch粕．Vese水平集模型在能量函数中 增加了面积项Area[inside(C)]，和Mumford．shaJl模 型中原有的长度项kng【h(C)一起推动演化曲线到达 kvel 物体边界． Set函数咖。，咖：，…，咖。时，可以表示图像中2“个 不同的区域． 完整的Chall．Vese水平集模型的能量函数‘43为 由以上分析，可得四相分割能量函数为 F(C1，c2，C)=pLength(C)+ 只(c，咖)=II舶一c。。I2日(咖。)日(咖2)(k