基于改进CV模型的图像分割算法

传统CV模型在目标图像存在噪声干扰及图像背景较为复杂的情况下,图像分割效果较差,极易造成误分割。为了提高基于CV模型图像分割的分割效果及分割效率,提出一种基于改进CV模型的图像分割算法。首先,根据曲线演化理论对CV模型的曲线驱动力进行简化,以此提高模型的分割效率;然后,利用L1范数构造CV模型的能量泛函,同时引入中值替代传统CV模型中的曲线拟合中心,在简化数据计算的同时,提高模型对噪声的鲁棒性;最后,将该曲线驱动力与L1范数能量泛函进行融合,以此构造最终的改进CV模型的能量泛函。将所提模型与传统CV模型、LIF模型、局部二值模型以及偏置场修正水平集模型的实验结果进行对比,结果表明所提模型分割效果最优,且分割速率最高。

基于改进CV模型和PCNN的NSST域焊接缺陷提取

为了精确地提取焊接缺陷,进一步提高缺陷检测的准确性,提出了一种基于改进ChanVese(CV)模型和脉冲耦合神经网络(pulse coupled neural network,PCNN)的非下采样Shearlet变换(non-subsampled Shearlet transform,NSST)域焊接缺陷提取方法。首先,对焊接缺陷图像进行NSST分解,对得到的低频分量采用PCNN提取出缺陷的主要区域;然后,利用背景抑制后的低频分量和高频分量构造出高频特征图像,并对其进行粗分割,再利用改进的CV模型寻找最优轮廓,提取出缺陷精细轮廓;最后,融合缺陷的主要区域和精细轮廓信息得到最终的结果。实验结果表明,与其他缺陷提取法相比,所用方法提取的缺陷结构更为完整,缺陷轮廓更为精细。

Tsallis熵和改进CV模型的海面溢油SAR图像分割

为了解决海洋表面溢油监测中合成孔径雷达(SAR)图像分割精度不高的难题,提出一种基于Tsallis熵多阈值分割与改进CV(ChanVese)模型相结合的海面溢油图像分割方法。首先采用基于Tsallis熵的多阈值选取算法对海面溢油图像进行粗分割;然后分别将得到的溢油区域和溢油粗略轮廓作为CV模型的局部区域和初始轮廓,以降低CV模型的场景复杂度及其对初始条件的敏感性。CV模型仅考虑了图像各区域的均值信息而没有考虑图像的局部信息,尽管能够得到渐进型边界图像,但其分割结果存在误差。本文采用了加入移动因子的改进CV模型降低分割误差,提高收敛速度。实验结果表明,提出的海面溢油SAR图像分割方法具有分割边界定位准确、运行高效和无需设置初始条件等优点。

多分辨率水平集算法的乳腺MR图像分割

针对乳腺MR图像信息量大、灰度不均匀、边界模糊、难分割的特点,提出一种多分辨率水平集乳腺MR图像分割算法.算法的核心是首先利用小波多尺度分解对图像进行多尺度空间分析,得到粗尺度图像;然后对粗尺度图像利用改进CV模型进行分割.为了去除乳腺MR图像中灰度偏移场对分割效果的影响,算法中引入局部拟合项,并用核函数进一步改进CV模型,进而对粗尺度分割效果进行优化处理.仿真和临床数据分割结果表明,所提算法分割灰度不均匀图像具有较高的分割精度和鲁棒性,能够有效的实现乳腺MR图像的分割.