由于空间目标姿态变化较大,且其灰度与地球背景差异较小,传统CV(Chan and Vese)模型难以获得理想的分割结果。针对部分信息丢失或目标被部分遮挡情况下CV模型不能正确分割问题,Chan和Zhu在CV模型基础上引入先验能量项,构建的先验形状模...由于空间目标姿态变化较大,且其灰度与地球背景差异较小,传统CV(Chan and Vese)模型难以获得理想的分割结果。针对部分信息丢失或目标被部分遮挡情况下CV模型不能正确分割问题,Chan和Zhu在CV模型基础上引入先验能量项,构建的先验形状模型只具有旋转、缩放和平移不变性。本文提出了一种先验形状约束的变分水平集改进模型,用于分割星空及复杂地球背景下的空间目标。在保持先验形状模型具有旋转、缩放和平移不变性的基础上,本文改进的变分水平集模型增加了X、Y方向拉伸以及剪切不变约束能量项,增强了先验形状对目标变化的自适应性。实验结果表明本文方法对复杂背景下姿态变化较大的空间目标,具有更好的分割效果。展开更多
文摘由于空间目标姿态变化较大,且其灰度与地球背景差异较小,传统CV(Chan and Vese)模型难以获得理想的分割结果。针对部分信息丢失或目标被部分遮挡情况下CV模型不能正确分割问题,Chan和Zhu在CV模型基础上引入先验能量项,构建的先验形状模型只具有旋转、缩放和平移不变性。本文提出了一种先验形状约束的变分水平集改进模型,用于分割星空及复杂地球背景下的空间目标。在保持先验形状模型具有旋转、缩放和平移不变性的基础上,本文改进的变分水平集模型增加了X、Y方向拉伸以及剪切不变约束能量项,增强了先验形状对目标变化的自适应性。实验结果表明本文方法对复杂背景下姿态变化较大的空间目标,具有更好的分割效果。