基于贝塞尔滤波的水平集正则化图像分割方法

摘要：

针对水平集函数在演化过程中的初始化敏感和数值稳定性问题,提出了一种新的基于贝塞尔滤波的正则化方法,并将其嵌入到经典的可变区域拟合(Region-Scalable Fitting,RSF)模型中,从而构成新的能量模型.首先,利用K均值算法进行自动初始化,再加以修正生成标准的初始水平集函数,以解决RSF模型对初始化敏感的问题;其次,利用RSF模型自身优点对图像进行迭代分割,同时在迭代过程中利用提出的方法对水平集函数进行正则化处理,保持迭代过程中的稳定性;最后,实现精确的分割效果.实验结果表明,提出的正则化方法有效地保持了水平集函数的稳定性.将新的模型与多种基于区域的模型进行对比,仿真实验表明,提出的方法具有较高的算法效率与分割精度.

关键词：水平集正则化、水平集演化、贝塞尔滤波、可变区域拟合模型、K均值

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目U1404603;河南省教育厅科学技术重点研究项目13A520522;河南省科技攻关项目162102210269;河南省科学技术研究重点项目16A520058

在线出版日期：2018-04-23（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：283-287,293