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,...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。展开更多
文摘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。
文摘在正电子发射断层(Positron emission tomography,PET)重建算法中,正则项常被用来抑制噪声。现将Mumford-Shah(MS)正则项,构造出一种新的变分结构用以进行PET图像重建。采用了Ambrosio和Tortorelli提出的Γ-收敛逼近方法,将MS函式对边界积分转化为一类合适的辅助光滑函数的区域积分。在仿真测试中,将算法与传统滤波反投影(Filtered back projection,FBP)算法、最大似然估计方法(MLEM)和最大后验概率估计方法作比较。通过实验对算法的效率和可行性进行了分析。实验结果表明,本文算法在噪声抑制和边界保留上均有较好的表现。