基于全散度的变分CV模型及其分割算法

摘要：

CV模型在图像灰度不均匀或有噪声干扰时,易出现错分现象,因此将全散度引入变分CV模型,提出了基于全散度的变分CV模型及其迭代分割算法.分析基于欧氏距离所对应的变分CV模型分割算法存在的问题和不足,通过图示说明全散度相对于欧氏距离在距离计算与坐标系选择无关的优势,将其引入变分CV模型拟合偏差项,来提高图像灰度值与分割区域平均灰度偏差计算的鲁棒性.然后,采用欧拉-拉格朗日变分法获得全散度变分CV模型的偏微分方程,并采用数值计算方法获得该偏微分方程的迭代求解算法.同时在全散度变分CV模型中,增大拟合偏差项的权重系数,加大拟合偏差项在变分模型中的重要性.实验结果表明,全散度变分CV模型具有初始化敏感低、抗噪性强、鲁棒性高等优点.

关键词：图像分割、CV模型、水平集、全散度

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金重点资助项目90607008;陕西省自然科学基金资助项目2014JM8331,2014JQ5183,2014JM8307;陕西省教育厅自然科学基金资助项目2013JK1129;西安邮电大学2013年研究生创新基金项目ZL2013-23

在线出版日期：2015-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：306-310,315