基于活动轮廓模型的图像分割改进算法

摘要：

针对CV(Chan-Vese)模型对低对比度和灰度不均匀图像难以分割,以及LGIF(Local and Global Intensity Fitting)模型初始轮廓曲线位置影响分割速度的问题,提出了一种在LGIF活动轮廓模型的能量泛函中添加图像聚类信息的K-LGIF(K-means-Local and Global Intensity Fitting)模型,其使用被提取图像的轮廓作为初始轮廓,不同于已有算法使用规则的图形作为模型的初始轮廓.实验结果表明,所给出的算法不仅能保证图像分割效果,而且能够减少迭代次数、缩短图像分割时间,所给出的算法模型分别比CV,LBF,LGIF模型的运算效率提高了9.22倍、2.46倍和1.42倍.

关键词：LGIF模型、K-means聚类、图像分割、活动轮廓、Micro-CT

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏省高等学校大学生创新创业训练计划201610292023Z;江苏省产学研前瞻性联合研究项目BY2015027-24

在线出版日期：2019-05-13（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：82-87