改进CV模型图像分割的Split-Bregman方法

水平集方法中的Chan-Vese模型(简称CV模型)对灰度不均匀及边界对比度低的图像的分割效果不够精确,计算效率也不是很高。针对灰度不均匀引入偏差场来修正CV模型中的区域平均灰度并引入核函数来加权能量泛函。针对计算效率低下的问题,在上述基础上得出其全局凸分割模型(Global Convex Segmentation,GCS),用SplitBregman迭代求解该模型。实验结果表明:改进后的模型提高了分割精确度和计算效率。

活动轮廓模型影像分割方法综述

影像分割在影像处理和计算机视觉领域有着重要的应用。本文主要对活动轮廓模型影像分割方法进行了综述。从能量泛函的表达和解算、分割区域的数目、能量泛函的构造、能量泛函数据项中包含的基本信息和其他信息等方面对活动轮廓模型进行总结和概括,并重点介绍一些经典的能量泛函模型,同时涵盖了活动轮廓模型的一些最新研究进展。