基于测地轮廓和特征函数的灰度异质图像分割

灰度异质图像的分割是图像处理中一项非常有挑战性的任务。CVB模型虽然能较好分割灰度异质图像,但是其分割结果容易出现过度分割或欠分割问题。为了精确分割灰度异质图像,该文在CVB模型的基础上,引入基于测地轮廓的长度项来捕捉目标物体的边缘信息,提出一种新的变分分割模型。同时,为了提高计算效率,该文利用特征函数来表示测地轮廓长度,并且通过基于特征函数的热核卷积形式逼近测地轮廓的周长。进一步,结合交替极小化和迭代卷积阈值法,该文设计出一种快速数值求解算法,并且给出了该算法的收敛性和稳定性分析。最后,对合成图像、核磁共振图像以及魏茨曼分割数据集上的原始自然图像等三类灰度不均匀图像进行分割实验,并且采用Dice相似系数和Hausdorff距离作为图像分割的评价指标,实验结果表明:该方法不仅提高了图像分割精度,而且明显提升了收敛速度。

结合邻域信息的Chan-Vese模型图像分割

灰度异质图像广泛存在于日常生活及医学图像中,而现有方法不能很好地解决灰度异质图像的分割问题,为此提出一种结合邻域信息的改进Chan-Vese模型.首先通过计算找出邻域内与中心点属于同一类的点,其次将这些点与中心点的距离作为它们与中心点相似程度的权值进行累加,最后通过统计整幅图像中每个局部区域内各点与中心点的相似程度,加强了该模型对区域细节的捕获能力,实现对灰度异质区域的分割.实验结果表明,与Chan-Vese模型相比,文中模型可以准确地分割包含灰度异质区域的图像;与Piecewise Smooth模型相比,2个模型分割效果几乎相同,但文中模型的速度更快.