基于梯度信息的C-V模型图像分割算法

被引：8

作者：

刘建磊 ^{[1
,2
]}

冯大政 ^{[2
]}

张莉 ^{[2
]}

机构：

[1] 西安电子科技大学计算机学院

[2] 西安电子科技大学雷达信号处理重点实验室

来源：

光电子激光 | 2010年 / 03期

关键词：

C-V模型; 水平集方法; 梯度; 偏微分方程;

D O I：

10.16136/j.joel.2010.03.029

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对传统的C-V模型对于含有多灰度级目标的图像难以准确分割并且分割速度缓慢等问题,提出了在C-V模型中引入梯度信息的图像分割算法。该算法在C-V模型的偏微分方程中加入了基于梯度信息的加速因子和弱目标边界控制力,加速因子的引入可以显著地提高C-V模型的分割速度,弱目标边界控制力可以有效地防止弱目标边界泄漏和漏分割。实验结果表明:该算法能够有效分割出弱目标和提高图像分割速度。

引用

页码：452 / 455+460 +460

页数：5

共 5 条

[1]

Shape modeling wit frontpropagation:A level set approach. Malladi R,Sethian J A,Vemuri B C. IEEE Transactions onPattern Analysis and Machine Intelligence . 1995

[2]

Optimal approximations by piecewise smooth functions and associated variational problems. Mumford D,Shah J. Communications of the ACM . 1989

[3]

Fronts propagating with curvature-dependent speed: Algorithms based on Hamilton-Jacobi formulations. Osher S,Sethian JA. Journal of Computational Physics . 1988

[4]

Active contour without edges. Chan FT,Vese LA. IEEE Transactions on Image Processing . 2001

[5]

Level set-based bimodal segmentation with sta-tionary global minimum. Lee S H,,Seo J K. IEEE Transactions on Image Processing . 2006

← 1 →