一种多相分割的变分水平集模型.docxVIP

一种多相分割的变分水平集模型 分段常值和分段滑动的多相图像分割 随着图像分段研究的深入，多相图像分辨率在数据处理、计算机视觉等领域引起了研究人员的注意。由于这类分割任务处理的对象复杂且需要综合多种分割因素,使得具有较好模型集成能力并具有拓扑自适应能力的变分水平集方法成为多相图像分割的有力工具。 变分水平集方法最初由Zhao,Chan,Merriman and Oshe针对复杂界面演化提出的建模方法。Chan and Vese基于变分水平集和简化的Mumford-Shah模型提出分段常值两相图像分割的Chan-Vese模型,Vese and Chan采用N个水平集函数划分2N个区域,将推广到分段常值和分段光滑的多相图像分割。Samson,Blanc-Feraud,Aubert则直接将的区域划分策略应用于多相图像分类,采用n个水平集函数表达n个相,但必须在能量泛函中增加避免区域重叠和漏分的惩罚项。Lie,Lysaker,Tai采用离散水平集函数设计了两个分段常值图像多相分割的变分水平集模型:其一使用取值为1和-1的二值型水平集函数,其二采用取n个离散常值的水平集函数。Chung and Vese则提出了用1个连续的水平集函数划分多个区域的分层表达的分段常值图像分割的变分水平集模型。 Vese and Chan的方案采用较少的水平集函数,所得到的区域划分表达式具有对称性,且无重叠和漏分