基于区域信息活动轮廓模型在图像分割中的应用

admin · 发表于 2022-5-21 12:33:05

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
基于偏微分方程的图像分割是一种新颖有效的分割方法，同时基于水平集方法的活动轮廓模型已成为图像分割的主流方法之一。由于图像本身的广泛性和多样性，现有的分割方法都只是针对于某一类特定图像，如边界泄漏图像、高噪声图像或强度不均匀分布的非同质图像等。本论文针对现有一些模型不足之处做了如下工作。首先，利用具有图像增强能力的局部区域信息，定义一种新的符号压力函数（SPF:Signed Pressure Force）。用该SPF函数取代GAC模型中的边界停止函数，对GAC模型进行改进，提出一种新的区域活动轮廓模型，从而解决了非同质或弱边界图像的分割题目。其次，为了简化新模型，继续采用Selective Binary and Gaussian Filtering水平集方法，避免水平集函数的重新初始化。真实图像和合成图像的实验结果表明，新模型与LBF模型具有相同的分割效果，但在计算效率上远优于LBF模型。新模型不仅能够分割非同质或弱边界图像，且具有亚像素分割精确性、抗噪性、局部全局选择分割性等性质。最后，用两个水平集函数表示四相位，对LFI模型中的一个水平集函数表示两相位的情形进行了推广，从而推导出两个梯度下降流方程。大脑MR图像的分割实验结果表明，相比LFI模型的每次只能够分割出大脑图像的某一部分而言，多相位模型能同时分割出大脑白质（WM）、灰质（GM）、和脑脊髓液（CSF）等部分。

基于区域信息活动轮廓模型在图像分割中的应用

天涯海角也要找到Ni：基于区域信息活动轮廓模型在图像分割中的应用

相关帖子

浏览过的版块

QQ微信同步：1144766066。

服务

网站

战略合作