近年来,因水平集分割模型可根据不同图像、不同目的需求,设计相应的能量泛函,产生鲁棒的分割结果,且算法灵活、稳定,备受海内外学者的关注,涉及的领域也越来越广。然而,水平集分割方法处理对比度低、模糊边缘且受噪声干扰的图像也难以...近年来,因水平集分割模型可根据不同图像、不同目的需求,设计相应的能量泛函,产生鲁棒的分割结果,且算法灵活、稳定,备受海内外学者的关注,涉及的领域也越来越广。然而,水平集分割方法处理对比度低、模糊边缘且受噪声干扰的图像也难以实现精确分割。从相位角度出发,在DRLSE(distance regularized level set evolution)算法的基础上,在其能量泛函中引入一个新的边缘定位能量项,重构边缘检测函数代替原模型中的检测函数,使之达到较理想的图像分割效果。仿真实验结果表明:与GAC模型、DRLSE模型相比,改进后的DRLSE图像分割模型对图像噪声的抑制能力和图像弱边缘的捕捉能力有了显著的改善,且算法稳定、有效,可适合于医学图像分割。展开更多
文摘近年来,因水平集分割模型可根据不同图像、不同目的需求,设计相应的能量泛函,产生鲁棒的分割结果,且算法灵活、稳定,备受海内外学者的关注,涉及的领域也越来越广。然而,水平集分割方法处理对比度低、模糊边缘且受噪声干扰的图像也难以实现精确分割。从相位角度出发,在DRLSE(distance regularized level set evolution)算法的基础上,在其能量泛函中引入一个新的边缘定位能量项,重构边缘检测函数代替原模型中的检测函数,使之达到较理想的图像分割效果。仿真实验结果表明:与GAC模型、DRLSE模型相比,改进后的DRLSE图像分割模型对图像噪声的抑制能力和图像弱边缘的捕捉能力有了显著的改善,且算法稳定、有效,可适合于医学图像分割。