基于變分水平集方法的圖像分割.pdf

1、圖像分割是一項應用廣泛的圖像處理技術，可很大程度的減少后面高級圖像處理所需的數(shù)據(jù)量，且不影響結構特征相關的信息，在圖像處理中起關鍵作用。在圖像分割中出現(xiàn)誤差將影響后續(xù)處理圖像的有效性，所以近半個世紀以來，學者們不斷提出各種分割方法來提高分割的精度和準確性，在改進分割的方法上做出不少工作。而變分水平集應用在圖像分割中也有顯著的效果，廣泛應用在醫(yī)學，交通，工業(yè)，農業(yè)等各種領域。
　　Samson等學者提出將FCM聚類與變分水平集方法相

2、結合進行圖像分割，該方法具有很好的圖像分割效果。但這種模型需周期性不停地重新初始化，從而影響圖像分割時間。本文通過引入內部能量函數(shù)的H1正則化，使得水平集函數(shù)在演化過程中無需重新初始化從而節(jié)約時間。用文中的方法與傳統(tǒng)的Samson模型和FCM算法分割圖像對比實驗，結果表明，本文方法具有更短的運行時間和更好的分割效果。
　　其次，針對傳統(tǒng)的CV模型在圖像分割中不能很好的分割灰度不均的圖像，分析了Lee-Seo和Li-Kim兩種改進模