针对目前图像分割领域许多水平集进化模型需要不断重新初始化水平集函数,或需要图像的梯度信息来约束进化的问题,提出了一种带距离约束项的基于亮度信息的水平集进化模型IMDC(intensity-based model with distance constraint)。该模型...针对目前图像分割领域许多水平集进化模型需要不断重新初始化水平集函数,或需要图像的梯度信息来约束进化的问题,提出了一种带距离约束项的基于亮度信息的水平集进化模型IMDC(intensity-based model with distance constraint)。该模型引入一个距离约束项作为内部能量来保证水平集函数始终不偏离符号距离函数(SDF),避免了进化过程中对水平集函数的不断初始化。同时,借鉴C-V模型的基本思想,采用图像的亮度信息而非梯度来构造模型的外部能量项,确保了零水平集曲线稳定地收敛于期望的图像特征点(如目标轮廓点)。实验结果表明,本文提出的模型不仅有效地克服了传统模型需重新初始化或无法应对弱边缘特征这两大问题,而且具备全局最优分割的能力和较强的抗噪性能。展开更多
文摘针对目前图像分割领域许多水平集进化模型需要不断重新初始化水平集函数,或需要图像的梯度信息来约束进化的问题,提出了一种带距离约束项的基于亮度信息的水平集进化模型IMDC(intensity-based model with distance constraint)。该模型引入一个距离约束项作为内部能量来保证水平集函数始终不偏离符号距离函数(SDF),避免了进化过程中对水平集函数的不断初始化。同时,借鉴C-V模型的基本思想,采用图像的亮度信息而非梯度来构造模型的外部能量项,确保了零水平集曲线稳定地收敛于期望的图像特征点(如目标轮廓点)。实验结果表明,本文提出的模型不仅有效地克服了传统模型需重新初始化或无法应对弱边缘特征这两大问题,而且具备全局最优分割的能力和较强的抗噪性能。
