针对待分割图像中含有强度不均匀性和噪声情况,传统水平集分割方法不能得到理想的分割结果且效率低、抗干扰能力弱等不足。为此,提出一种利用偏置校正的分数阶正则化水平集分割算法。该方法利用分数阶距离正则项惩罚水平集函数(level se...针对待分割图像中含有强度不均匀性和噪声情况,传统水平集分割方法不能得到理想的分割结果且效率低、抗干扰能力弱等不足。为此,提出一种利用偏置校正的分数阶正则化水平集分割算法。该方法利用分数阶距离正则项惩罚水平集函数(level set function,LSF)与带符号符号距离函数之间的偏差,抑制LSF在平坦区域的急剧反向扩散,保证LSF平稳演化。采用(Grünwald-Letnikov,G-L)分数阶导数,设计了新的分数阶导数及其共轭覆盖模板并采用改进的边缘停止函数和偏置校正,用于驱动LSF演化曲线快速地接近目标边缘。将偏置校正和分数阶距离正则化相结合用水平集函数来定义得到了能量泛函最小化的数值解。实验结果表明,所提方法对图像分割效率和鲁棒性有明显的提升。展开更多
文摘针对待分割图像中含有强度不均匀性和噪声情况,传统水平集分割方法不能得到理想的分割结果且效率低、抗干扰能力弱等不足。为此,提出一种利用偏置校正的分数阶正则化水平集分割算法。该方法利用分数阶距离正则项惩罚水平集函数(level set function,LSF)与带符号符号距离函数之间的偏差,抑制LSF在平坦区域的急剧反向扩散,保证LSF平稳演化。采用(Grünwald-Letnikov,G-L)分数阶导数,设计了新的分数阶导数及其共轭覆盖模板并采用改进的边缘停止函数和偏置校正,用于驱动LSF演化曲线快速地接近目标边缘。将偏置校正和分数阶距离正则化相结合用水平集函数来定义得到了能量泛函最小化的数值解。实验结果表明,所提方法对图像分割效率和鲁棒性有明显的提升。
