一种改进的变分水平集的图像分割算法
为了解决灰度不均匀现象对医学图像的干扰问题,提出了基于局部极性信息的活动轮廓模型。通过引入局部图像信息,该模型能有效地分割灰度不均匀图像。在规则化项中增加的能量惩罚项,使得水平集函数在演化过程中保持为近似的符号距离函数。该算法将图像分割问题归结为曲线能量泛函的最小化,首先建立包含局部灰度信息(极性信息)和改进的符号距离函数的曲线演化能量泛函;然后采用变分水平集方法求解能量函数的最小值,得到最终的分割结果。真实医学图像和人工合成图像的实验结果表明,此方法对灰度不均匀的医学图像有较高的分割精确度,在图像分割速度上有较大提高。由于利用了局部灰度信息,可以有效地分割灰度不均匀的医学图像,而改进后的变分水平集可以完全避免重新初始化,使得图像分割效率大大提高了。
变分水平集、图像分割、符号距离函数、极性信息
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目61462065,61263046,61165011
2015-12-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
740-746