改进边界指示函数的CV模型构建及应用

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。

改进的变分水平集演化的图像分割算法

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。