10.3969/j.issn.1673-629X.2019.07.029
基于Canny算子的C-V水平集模型
医学图像分割一直以来都是图像分割中的难点,可在实际应用中却有着非常重要的价值.直接利用传统的C-V水平集模型对图像进行分割,其缺点是该模型对噪声比较敏感,无法准确处理边界信息模糊的图像,以至于在寻找图像边缘时经常出现错误的定位,找到的边界不准确,使得图像分割效果不理想.因此,文中提出一种基于Canny算子的C-V水平集模型.该模型在传统的C-V水平集模型的基础上,用Canny算子预先处理过的图像去替代原图像,进而使用C-V水平集模型对预处理过的图像进行分割.该模型利用了Canny算子具有的较好的定位性能、较高的检测精度、最小的响应性能和很好的信噪比等优点,克服了传统的C-V水平集模型对噪声敏感、抗干扰性差、边缘不够精细的缺点,从而分割出一条比较理想的边界,达到了很好的分割效果.
医学图像分割、水平集算法、Chan-Vese水平集模型、Canny算子、边缘检测
29
TP391(计算技术、计算机技术)
国家自然科学基金11461037
2019-07-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
145-149