基于變分水平集方法的圖像分割.pdf

1、圖像分割是一項應(yīng)用廣泛的圖像處理技術(shù)，可很大程度的減少后面高級圖像處理所需的數(shù)據(jù)量，且不影響結(jié)構(gòu)特征相關(guān)的信息，在圖像處理中起關(guān)鍵作用。在圖像分割中出現(xiàn)誤差將影響后續(xù)處理圖像的有效性，所以近半個世紀(jì)以來，學(xué)者們不斷提出各種分割方法來提高分割的精度和準(zhǔn)確性，在改進分割的方法上做出不少工作。而變分水平集應(yīng)用在圖像分割中也有顯著的效果，廣泛應(yīng)用在醫(yī)學(xué)，交通，工業(yè)，農(nóng)業(yè)等各種領(lǐng)域。
　　Samson等學(xué)者提出將FCM聚類與變分水平集方法相

2、結(jié)合進行圖像分割，該方法具有很好的圖像分割效果。但這種模型需周期性不停地重新初始化，從而影響圖像分割時間。本文通過引入內(nèi)部能量函數(shù)的H1正則化，使得水平集函數(shù)在演化過程中無需重新初始化從而節(jié)約時間。用文中的方法與傳統(tǒng)的Samson模型和FCM算法分割圖像對比實驗，結(jié)果表明，本文方法具有更短的運行時間和更好的分割效果。
　　其次，針對傳統(tǒng)的CV模型在圖像分割中不能很好的分割灰度不均的圖像，分析了Lee-Seo和Li-Kim兩種改進模