计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
30期
24-27,67
,共5页
侧扫声纳图像%二维经验模态分解%水平集%能量函数
側掃聲納圖像%二維經驗模態分解%水平集%能量函數
측소성납도상%이유경험모태분해%수평집%능량함수
针对侧扫声纳图像不同区域的像素分布特点,提出了一种改进的BEMD(二维经验模态分解)-分层水平集分割算法.介绍了CV(Chan和Vese)水平集模型和分层水平集模型,利用分层水平集模型进行三类分割.为了提高分割精度,利用BEMD重新描述模型的能量函数.通过BEMD的加权参数,在不影响分割精度的前提下提高模型的抗噪性能.分析了c-均值算法与水平集算法的联系,利用改进的c-均值算法初始化水平集演化曲线,以减少迭代次数.对水平集能量函数添加惩罚项,以提高水平集演化速度.利用改进的BEMD-分层水平集分割算法进行无监督的图像分割实验并与其他算法比较,验证了该算法的抗噪性、分割的准确性和快速性.
針對側掃聲納圖像不同區域的像素分佈特點,提齣瞭一種改進的BEMD(二維經驗模態分解)-分層水平集分割算法.介紹瞭CV(Chan和Vese)水平集模型和分層水平集模型,利用分層水平集模型進行三類分割.為瞭提高分割精度,利用BEMD重新描述模型的能量函數.通過BEMD的加權參數,在不影響分割精度的前提下提高模型的抗譟性能.分析瞭c-均值算法與水平集算法的聯繫,利用改進的c-均值算法初始化水平集縯化麯線,以減少迭代次數.對水平集能量函數添加懲罰項,以提高水平集縯化速度.利用改進的BEMD-分層水平集分割算法進行無鑑督的圖像分割實驗併與其他算法比較,驗證瞭該算法的抗譟性、分割的準確性和快速性.
침대측소성납도상불동구역적상소분포특점,제출료일충개진적BEMD(이유경험모태분해)-분층수평집분할산법.개소료CV(Chan화Vese)수평집모형화분층수평집모형,이용분층수평집모형진행삼류분할.위료제고분할정도,이용BEMD중신묘술모형적능량함수.통과BEMD적가권삼수,재불영향분할정도적전제하제고모형적항조성능.분석료c-균치산법여수평집산법적련계,이용개진적c-균치산법초시화수평집연화곡선,이감소질대차수.대수평집능량함수첨가징벌항,이제고수평집연화속도.이용개진적BEMD-분층수평집분할산법진행무감독적도상분할실험병여기타산법비교,험증료해산법적항조성、분할적준학성화쾌속성.
