-
题名基于Chan-Vese模型的SAR图像分割
被引量:10
- 1
-
-
作者
东野长磊
郑永果
苏杰
-
机构
山东科技大学信息科学与工程学院
-
出处
《数据采集与处理》
CSCD
北大核心
2012年第2期151-155,共5页
-
基金
国家高技术发展计划("八六三"计划)(2009AA0627018)重点资助项目
山东省教育厅科技计划(J08LJ10)资助项目
-
文摘
由于SAR图像存在较强的斑点噪声,使用Chan-Vese模型水平集分割方法会产生很多误分割。同时,水平集解法存在计算量大、分割速度慢的问题。在Chan-Vese模型基础上,增加新的内能项——距离正则项,得到了一种改进的曲线演化模型。避免了水平集函数的周期性更新,具有更大的迭代步长,从而加快分割速度,并且提高Chan-Vese模型的抗噪性。对该模型采用人工合成图像和真实SAR图像进行分割实验,通过比较,可看出改进模型具有较高的数值精度和较快的分割速度。对于噪声很强的图像,使用增强Lee滤波进行预处理,可以进一步提高改进模型的分割速度和效果。实验结果表明:改进Chan-Vese模型能高效快速地完成SAR图像分割,具有较高的抗噪性。
-
关键词
合成孔径雷达
图像分割Chan—Vese模型
距离正则项
增强Lee滤波
-
Keywords
synthetic aperture radar (SAR)
image segmentation
Chan-Vese model
distance regularization term
enhanced-Lee filtering
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名基于改进C-V模型的高分辨SAR图像分割
被引量:3
- 2
-
-
作者
王翠杰
杨永红
林明
-
机构
江苏科技大学电子信息学院
-
出处
《电子设计工程》
2017年第19期161-164,169,共5页
-
文摘
针对SAR图像灰度分布不均匀现象,提出利用对均匀和不均匀区域都能很好的拟合的G0概率密度函数对C-V水平集模型进行改进。针对经典的C-V水平集模型只利用区域信息而没有利用边缘信息,从而造成虚假边缘轮廓较多以及演化时容易陷入局部极小值等现象,提出在C-V模型中引入能够很好的去除SAR图像中的乘性噪声的改进的边缘检测函数,定位图像的边界以及控制曲线的演化速率,且增加能避免水平集函数重新初始化的距离正则项作为内能项。通过人工合成图像和真实高分辨SAR图像的分割实验验证了改进后的C-V水平集模型能够更快速度、更高准确度地定位目标边界,实现高分辨SAR图像分割。
-
关键词
边缘检测函数
G^0概率密度函数
距离正则项
SAR图像分割
C-V模型
-
Keywords
edge detection function
Go probability density function
distance regularization term
SAR image segmentation
C-V model
-
分类号
TN957.52
[电子电信—信号与信息处理]
-
-
题名改进边界指示函数的CV模型构建及应用
被引量:1
- 3
-
-
作者
夏小刚
邓路娜
鲁珍
-
机构
西安科技大学理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第14期177-181,共5页
-
基金
国家自然科学基金(No.71473194,No.71273206)
陕西省科技厅自然科学基金(No.2013KJXX-40,No.2017JM1024)
陕西省教育厅科学研究计划资助项目(No.16JK1500)
-
文摘
无边缘活动轮廓CV模型对于边界模糊以及背景灰度分布不均匀的图像缺乏良好的分割效果。基于此,对该模型进行了如下改进。对边界指示函数进行修改,将改进后的边界指示函数融入CV模型的长度项中。引用双阱势的距离正则项来避免水平集重新初始化,从而得到了一个梯度与区域信息相结合的水平集演化方程,并应用变分法中的有限差分法对方程进行求解。对木材虫眼、活节和死节图像进行了数值仿真模拟,仿真结果表明该模型对背景分布不均匀的图像具有良好的分割效果。
-
关键词
图像分割
边界指示函数
CV模型
水平集演化方程
双阱势距离正则项
-
Keywords
image segmentation
boundary indication function
CV model
double-well potential distance regular term
-
分类号
G206.2
[文化科学—传播学]
-
-
题名改进的变分水平集演化的图像分割算法
- 4
-
-
作者
温佳
杨杰伟
杨亚楠
-
机构
天津工业大学电子与信息工程学院
-
出处
《实验技术与管理》
CAS
北大核心
2020年第1期71-74,共4页
-
基金
国家自然科学基金项目(61401439,61601323)
天津市自然科学基金项目(17JCQNJC01400).
-
文摘
提出了一种改进的变分水平集分割算法。引入演化曲线内外灰度图像的中值代替传统CV(Chan_Vese)模型中的均值作为曲线拟合中心。在轮廓初始化后,采用最大类间方差(OTSU)方法改进曲线拟合中心,将最大类间方差与拟合中心结合,提高分割的准确率和适应性。加入双阱势的距离正则项以避免水平集重新初始化,提高效率,从而得到一个自适应阈值与区域信息相结合的水平集演化模型。
-
关键词
图像分割
水平集演化
类间方差
双阱势距离正则项
-
Keywords
image segmentation
level set evolution
inter-class variance
regular term of double well potential distance
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-