资源描述：
《基于改进符号距离函数的变分水平集图像分割算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、第26卷摇第11期摇摇摇摇摇摇摇摇摇摇摇摇摇模式识别与人工智能摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇Vol.26摇No.11摇2013年11月摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇PR&AI摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇Nov.摇摇2013摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇基于改进符号距离函数的变分水平集图像分割算法崔玉玲(德州学院机电工程系摇德州253023)摘摇要摇为保证水平集图像分割算法的稳定性,传统水平集方法常采用重新初始化的方法或引入符号距离函数,但这两种方法存在计
2、算量大或计算不稳定的问题.因此,提出一种基于改进符号距离函数的变分水平集图像分割算法.首先,改进已有的Double鄄Well型符号距离函数约束项,改进后的约束项可避免重新初始化、提高计算效率,同时也能更好地保证水平集函数演化过程的稳定.然后,利用基于全局灰度信息和局部灰度信息的活动轮廓模型构造能量泛函,该能量函数继承了全局模型和局部模型的优点,可驱动水平集函数准确演化至目标边界,且可动态调整组合权重.最后,引入高斯卷积运算,加快演化速度同时也对水平集函数起到平滑的作用.对人工合成和自然图像的数值实验及与同类模型的对比实验证明,
3、提出的模型具有较高的分割准确度及对噪声和初始轮廓的鲁棒性.关键词摇变分法,水平集方法,活动轮廓模型,符号距离函数,区域信息中图法分类号摇TP391.41AVariationalLevelSetMethodforImageSegmentationBasedonImprovedSignedDistanceFunctionCUIYu鄄Ling(DepartmentofMechanicalandElectricalEngineering,DezhouUniversity,Dezhou253023)ABSTRACTInordertoma
4、intainthestabilityoftraditionallevelsetmethods,there鄄initializationmethodorasigneddistancefunctionisoftenused.However,thosetwomethodsareeithertime鄄consumingorinstable.Thus,asigneddistancefunctionbasedlevelsetmethodisproposedforovercomingthosedisadvantages.Firstly,th
5、eexistingDouble鄄Wellconstrainttermisimproved,whichavoidsre鄄initialization,increasesthecomputationalefficiencyandmakestheevolutionmorestable.Secondly,theactivecontourmodelbasedontheglobalgreyinformationandlocalgreyinformationisusedtoconstructtheenergyfunction,thusiti
6、nheritstheadvantagesofglobalandlocalmodelsanddrivesthelevelsetfunctionaccuratelytorealobjectiveboundaries.Besides,theweighofcombinationcanbeadjusteddynamically.Atlast,Gaussianconvolutionispresentedtoacceleratethespeedofevolutionandsmooththelevelsetfunction.Theexperi
7、mentsonbothsynthesisimagesandrealimagesshowthattheproposedmethodhashighcomputationalefficiencyandaccuracy,anditisrobusttonoiseandinitialcontour.KeyWords摇VariationalMethod,LevelSetMethod,ActiveContourModel,SignedDistanceFunction,RegionInformation摇收稿日期:2012-12-02;修回日期
8、:2013-05-13摇作者简介摇崔玉玲(通讯作者),女,1972年出生,讲师,主要研究方向为控制理论与控制工程、数字图像处理.E鄄mail:cuiyul鄄ing9910@163.com.1034模式识别与人工智能摇摇摇26卷1摇引摇言无论模型基于梯度信息、区域信息或其它信息
