改进CV模型图像分割的Split-Bregman方法-计算机工程与应用.PDFVIP

Computer Engineering and Applications 计算机工程与应用 2015 ，51（6 ） 171 改进CV 模型图像分割的Split-Bregman 方法 龚 劬，王迎龙，马家军 GONG Qu, WANG Yinglong, MA Jiajun 重庆大学 数学与统计学院，重庆 401331 College of Mathematics and Statistics, Chongqing University, Chongqing 401331, China GONG Qu, WANG Yinglong, MA Jiajun. Split-Bregman method for image segmentation of CV model. Computer Engineering and Applications, 2015, 51 （6 ）：171-175. Abstract ：The segmentation of the images which have low contrast edges and intensity inhomogeneities is not very accurate or efficient when using level set method of Chan-Vese model （short for CV model）. For intensity inhomogeneity, a bias field will be introduced to revise the local average intensity, also a kernel function will be introduced in the energy func- tional. In order to improve the efficiency, a Global Convex Segmentation （GCS ）model will be conducted based on the above model. Split-Bregman iteration will be applied in the model. The experiment demonstrates that the advanced model is more accurate and efficient. Key words ：Chan-Vese（CV ）model; Split-Bregman; Global Convex Segmentation （GCS ）model 摘 要：水平集方法中的Chan-Vese 模型（简称CV 模型）对灰度不均匀及边界对比度低的图像的分割效果不够精确， 计算效率也不是很高。针对灰度不均匀引入偏差场来修正CV 模型中的区域平均灰度并引入核函数来加权能量泛 函。针对计算效率低下的问题，在上述基础上得出其全局凸分割模型（Global Convex Segmentation ，GCS ），用Split- Bregman 迭代求解该模型。实验结果表明：改进后的模型提高了分割精确度和计算效率。 关键词：CV 模型；Split-Bregman；全局凸分割模型（GCS ） 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1305-0090 1 引言 尽如人意。Chunming Li[5] 对这一问题，推导出一个局 图像分割是图像处理和计算机视觉的一个重要环节， 部灰度聚类性质，并提出一种新的基于区域的方法来解 也是极具挑战性的一类问题。1987 年Kass[1] 等人提出 决此问题，即用区域偏差场来修正区域平均灰度，用核 主动轮廓模型（Snakes ：active contour model ）其基本思 函数加权能量泛函。 [2]