本文關(guān)鍵詞：基于局部熵的邊界與區(qū)域水平集圖像分割模型

  更多相關(guān)文章： 圖像分割 水平集方法 局部熵 邊界信息 區(qū)域信息

【摘要】：基于圖像局部熵提出了一種改進(jìn)的結(jié)合邊界信息和區(qū)域信息的水平集圖像分割模型。利用局部熵構(gòu)造自適應(yīng)權(quán)重系數(shù),使其能夠根據(jù)圖像性質(zhì)自適應(yīng)的決定演化方向,準(zhǔn)確引導(dǎo)演化曲線向目標(biāo)方向移動(dòng);然后,根據(jù)自適應(yīng)權(quán)重系數(shù)定義新的邊界指示函數(shù),提高了模型檢測(cè)弱邊界能力,加快了曲線的演化速度;引入ChanVese(C-V)模型作為外部能量項(xiàng),提高了模型的抗噪性,增強(qiáng)了模型分割灰度不均勻圖像的能力。通過(guò)圖像分割實(shí)驗(yàn),驗(yàn)證模型對(duì)初始輪廓以及噪聲的魯棒性、分割灰度不均勻圖像的能力,并采用客觀數(shù)值指標(biāo),將所提模型與另外三種模型在分割效率和分割準(zhǔn)確性方面進(jìn)行比較。結(jié)果表明,提出的模型增強(qiáng)了對(duì)噪聲的魯棒性,提高了分割弱邊界圖像的能力,而且分割灰度不均勻的圖像時(shí)也取得了比較滿意的效果。
【作者單位】： 西北工業(yè)大學(xué)自動(dòng)化學(xué)院;西安交通大學(xué)人工智能與機(jī)器人研究所;
【關(guān)鍵詞】： 圖像分割 水平集方法 局部熵 邊界信息 區(qū)域信息
【分類(lèi)號(hào)】：TN957.52
【正文快照】： 0引言圖像分割是一個(gè)根據(jù)區(qū)域內(nèi)相似性以及區(qū)域間的相異性而把圖像分割成若干區(qū)域的過(guò)程[1]。圖像分割技術(shù)是圖像處理、圖像分析、圖像理解、圖像識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域一項(xiàng)基本而又關(guān)鍵的技術(shù)[2-3]。水平集方法的演化實(shí)質(zhì)就是偏微分方程的求解,由圖像信息定義能量泛函,根據(jù)梯

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 徐濤;;時(shí)間序列優(yōu)化分割模型和提取算法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

2 葉娜;鄭妍;朱靖波;張斌;;基于二維動(dòng)態(tài)規(guī)劃的文本分割模型[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

3 文和平;綦耀光;柯映林;程耀東;;常用刀具的優(yōu)化分割模型[A];第一屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2002年

4 葉娜;羅海濤;鄭妍;朱靖波;張斌;;基于改進(jìn)型Dotplotting的文本分割模型[A];中文信息處理前沿進(jìn)展——中國(guó)中文信息學(xué)會(huì)二十五周年學(xué)術(shù)會(huì)議論文集[C];2006年

5 全剛;徐鐘;孫即祥;;一種改進(jìn)的C-V圖像分割模型[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 原野;偏微分方程圖像分割模型研究[D];重慶大學(xué);2012年

2 葛琦;基于局部統(tǒng)計(jì)和結(jié)構(gòu)的活動(dòng)輪廓分割模型[D];南京理工大學(xué);2013年

3 章菲倩;數(shù)字幾何模型聯(lián)合分割方法研究[D];南京大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李春;基于Chan-Vese圖像分割模型的研究與應(yīng)用[D];中央民族大學(xué);2015年

2 劉金彥;噪聲魯棒的偏微分方程圖像分割模型[D];重慶大學(xué);2015年

3 林靜;PDE分割模型中的局部窗口動(dòng)態(tài)調(diào)整及Bregman實(shí)現(xiàn)[D];福州大學(xué);2014年

4 張娜;基于全局凸分割模型的兩相圖像分割研究[D];青島大學(xué);2010年

5 王小歡;連續(xù)最大流圖像分割模型及其算法[D];河南大學(xué);2013年

6 彭小朋;一種腦MRI圖像的混合分割模型[D];上海交通大學(xué);2010年

7 李祁鳳;多相M-S模型最小圖分割理論與醫(yī)學(xué)應(yīng)用研究[D];湖南大學(xué);2011年

8 劉玉霞;基于PDE、圖割的圖像分割模型及算法[D];河南大學(xué);2009年

9 張影;基于視頻的行人目標(biāo)檢測(cè)和跟蹤的研究[D];遼寧大學(xué);2014年

10 楊旭朗;一種基于灰度信息和方差信息的C-V分割模型[D];西北大學(xué);2010年

，

本文編號(hào)：1072878