基于期望最大化的水平集分割算法
针对经典的水平集算法(比如Chan-Vese模型算法)在迭代过程中要重新初始化和容易受噪声和模棱两可的边界的影响的缺点,增加一项内部能量泛函达到不需重新初始化的目的,并结合贝叶斯决策理论,利用图像先验知识,提出了一个改进的能量函数,根据符号距离函数来不断调整水平集函数的偏差.该函数是利用期望最大化算法来得到的.实验结果表明,该算法分割精度和运行准确率上都优于经典算法.
图像分割、期望最大化算法、递归、水平集、贝叶斯决策
32
TP391.41(计算技术、计算机技术)
江苏省高校自然科学计划基金项目08KJB520001;江苏省“青蓝工程”基金
2011-12-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
2436-2438,2466