计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2013年
8期
184-186,196
,共4页
图像分割%活动轮廓模型%C-V模型%LBF模型%偏微分方程
圖像分割%活動輪廓模型%C-V模型%LBF模型%偏微分方程
도상분할%활동륜곽모형%C-V모형%LBF모형%편미분방정
Image segmentation%Active contour model%C-V Model%LBF model%Partial differential equation
C-V模型具有计算复杂度低、对初始化和噪声不敏感等优点,在处理图像的时候总是从全局的角度去考虑图像区域的灰度变化,从而导致难以分割灰度不均的图像.局部二元拟合(LBF)模型在处理灰度不均匀的图像分割方面有很大优势,但是LBF模型存在依赖初始轮廓大小、位置等缺点.针对C-V模型不能分割灰度不均图像和LBF模型敏感于轮廓初始化的问题,给出一个用偏微分方程表示的新的融合局部(LBF模型)和全局信息(改进的C-V模型)的活动轮廓模型.实践结果表明,新的模型对初始轮廓的敏感性低,能分割灰度不均的图像,且优于C-V模型,其分割效率明显高于LBF模型.
C-V模型具有計算複雜度低、對初始化和譟聲不敏感等優點,在處理圖像的時候總是從全跼的角度去攷慮圖像區域的灰度變化,從而導緻難以分割灰度不均的圖像.跼部二元擬閤(LBF)模型在處理灰度不均勻的圖像分割方麵有很大優勢,但是LBF模型存在依賴初始輪廓大小、位置等缺點.針對C-V模型不能分割灰度不均圖像和LBF模型敏感于輪廓初始化的問題,給齣一箇用偏微分方程錶示的新的融閤跼部(LBF模型)和全跼信息(改進的C-V模型)的活動輪廓模型.實踐結果錶明,新的模型對初始輪廓的敏感性低,能分割灰度不均的圖像,且優于C-V模型,其分割效率明顯高于LBF模型.
C-V모형구유계산복잡도저、대초시화화조성불민감등우점,재처리도상적시후총시종전국적각도거고필도상구역적회도변화,종이도치난이분할회도불균적도상.국부이원의합(LBF)모형재처리회도불균균적도상분할방면유흔대우세,단시LBF모형존재의뢰초시륜곽대소、위치등결점.침대C-V모형불능분할회도불균도상화LBF모형민감우륜곽초시화적문제,급출일개용편미분방정표시적신적융합국부(LBF모형)화전국신식(개진적C-V모형)적활동륜곽모형.실천결과표명,신적모형대초시륜곽적민감성저,능분할회도불균적도상,차우우C-V모형,기분할효솔명현고우LBF모형.
