C-V模型的一种集成化改进

C-V(Chan-Vese)模型不能分割灰度不均图像,分割速度慢。因此,对图像分割理论进行深入探讨,采用实验方法,提出一个新的边缘停止函数,并将其与图像灰度变换及H1正则项融入C-V模型中,对其进行集成化改进,提出一个新颖的以偏微分方程形式表示的活动轮廓模型。实验表明:该模型能分割灰度不均图像,对初始轮廓的大小敏感性较小,抗噪性较强,分割速度较快。

带H^1正则项的C-V模型

C-V模型(CHAN T F,VESE L A.Active contours without edges.IEEE Transactions on Image Processing,2001,10(2):266-277)是一个著名的基于区域的图像分割模型。它对活动轮廓的初始化和噪声不敏感,但分割的图像的范围不够广泛。因此,运用理论分析与实验相结合的方法,在C-V模型中添加H1正则项,对其进行了改进,提出了一个新颖的图像分割的能量泛函,并推导出了以偏微分方程形式表示的基于区域的自适应插值拟合的活动轮廓模型。实验表明:该模型能够分割某些原来C-V模型不适用的图像,它对初始轮廓的大小、位置的敏感性较小,抗噪性较强。