一种改进的C-V水平集遥感图像分割方法

合集下载

改进C-V模型的CT图像肺结节分割方法研究

改进C-V模型的CT图像肺结节分割方法研究

科技资讯2016 NO.14SCIENCE & TECHNOLOGY INFORMATION学 术 论 坛165科技资讯 SCIENCE & TECHNOLOGY INFORMATION 全球死亡率最高的癌症是肺癌,肺癌早期发展阶段常表现为很小的结节。

但肺结节形状的不规则性、结构的复杂,而常用的医学图像分割方法对CT图像中肺结节的分割效果不理想。

其中,由于基于水平集的分割方法只考虑图像的区域信息实现分割,没有利用待分割对象的边缘信息,造成灰度不均匀的CT图像边缘分割不清晰。

基于以上情况,该文将在C-V模型的基础上结合区域和边缘信息,并基于小波高频分量,提出了一种改进C-V模型水平集分割方法,可有效检测出肺结节病灶区域。

1 C-V 模型基本原理Chan和Vese将原始图像视为不连续集和分片常数图像组成的形式,提出基于Mumford-Shah泛函的图像分割模型,假定图像I被闭合曲线C划分为目标和背景两个同质区域,则C-V模型就是寻找真正的轮廓,引入Heavisidc函数 ()H φ和一维Dirac函数()δφ,能量函数为:式中,c 1、c 2分别表示待分割目标和图像背景区域的灰度平均值。

利用方向导数法得到水平集演化偏微分方程:根据水平集分割模型,在图像中只有当闭合轮廓线位于两同质区域的边界时,其能量函数F达到最小,从而获得图像的分割边缘即此时对应的轮廓线。

DOI:10.16661/ki.1672-3791.2016.14.165改进C-V 模型的CT 图像肺结节分割方法研究程立英 刘曼 李瑶 张志美 王君霞(沈阳师范大学物理科学与技术学院 辽宁沈阳 110034)摘 要:医学图像分割技术是现代图像处理领域的重难点,简化分割步骤、优化分割算法都将给医疗技术的发展带来极大的飞跃。

基于对水平集演化理论的探讨,该文对Chan-Vese模型进行了分析和改进,结合CT图像中肺结节的特点,提出一种结合区域信息和边缘信息,并基于小波高频分量的改进C-V模型的肺结节分割算法。

C-V模型的一种集成化改进

C-V模型的一种集成化改进

Ab ta t sr c
C V ( h n V s )mo e c n n t e m n i a e i t s yih m gn i , h em na o ed i a os w T ee r — C a . ee d l a o sg e t m g s t i e i o o e e y tesg e t ins e l l . h rf e w hn n t n t t p s s o o
anvl c v ot rm dl x rs di pra dfrni q a o ( D )i pooe .E p r et eu sso a tei poe et oe at ecn u oe epes a i ie tl ut n P E s r sd x e m na rsl hw t t m rvm n i o e n tl fe ae i p i l t h h
y,i s e ss n i v o t e s fi i a o tu s n s inf a t l s e st e t t z i i y i mo e a e me t ma e t n e st ih mo e et ti ls e s ie t h ie o nt lc no r a d i sg i c n l e s s n i v o d lc n s g n g swi it n i n o g n i i h y
we d s u si e t h ma e s g na in t e r n r p s o e d e so p n n t n w t h x e me tlmeh d,a d it g ae i ic s n d p h t e i g e me tt h o y a d p o o e a n v l g t p ig f c i i t e e p r na to o e u o h i n n e r t t t V mo e g t e . i ma e ry s ae t n fr t n a d H r g lrtr o C— d lt eh rw t i g sg a —c l a so mai n o h r o e u a em.T e ag rt m lo ma e t ei tg ae mp o e n ,a d h l o h i a s d ne r td i r v me t n i s h

基于区域划分和改进C-V法的医学图像分割方法

基于区域划分和改进C-V法的医学图像分割方法

Vo . 6 No 5 13 .
S pt 2 0 e . 06
基于区域划分 和改进 C V法的医学 图像分 割方法 —
徐 旦华 鲍旭东 舒华 忠
( 东南大学影像科学技术实验室 , 南京 2 09 ) 10 6
摘要 : 出 了基 于 图像 区域 划分 和 改进 C- 法 的活 动轮 廓 图像分 割方 法. 过 区域 划分 的方 法 提 V 通 将整 幅 图像 的分 割 问题 转化 为在不 同的子 区域上 分别 进 行 的 图像 分 割 问题 , 在 各 子 区域 中采 并
维普资讯
第 3 第 5期 6卷
20 0 6年 9月
东 南 大 学 学 报 (自然科 学版 )
JU O RNA F O T A T UNVE ST ( aua SineE io ) L O S U HE S I R I Y N trl c c dt n e i
i d n a d t n,t e c n t t e i o e d f d b o i i g wi e i g r d e t r e .I d i o v i h o s r i t sm d l smo i e y c mb n n t t ma e g a i n n a tm n h i i h h
if r a o n p e e s o sa p i la p o ma ins no m t n i i c wie c n tnto tma p r xi t i o .Th sme od i a a e o a d i g c n- i t s c p bl f h h n ln ha g s i h o o o y o e e o v n o t u y u i g lv ls ttc n q e,a d C v i e p o e e n t e t p l g ft v l i g c n o rb sn e e e e h i u h n a a o d t r blm n h h tt e p x l t n e st v e a r m a vau ft t a h i e swih it n i a u sfrfo t e me l e o h e who ei g a a d y be d t c y i h n l ma e C h l ee - n r td.T e e c e y oft i t o sd mo sr td wi u rc le p rme t n s m eme ia ma e h f inc sme d i e n tae t n me ia x e i h h h i n so o d c li - g s wh c a o c n a ti tnst rb u rn u d r e i h h ve l w o t s ne iy o lr i g bo n a y. r

一种改进的快速C-V水平集红外图像分割

一种改进的快速C-V水平集红外图像分割

n i h o p c n o m a i n b h n o f t r t o s r c x e n lv l ct o h u v eg b r s a e i f r t y t e wi d w i e o c n t u ta e t r a e o iy f r t e c r e o l e o u i n,S h t t e a t— o s a a i t s e h n e n e u d n o t u s a e r d c d v lt o O t a h n in i e c p b l y i n a c d a d r d n a t c n o r r e u e . i Th mp o e l o ih a o t a t lv ls tb s d o wo l t o r a ie t e c r e e o u i n, e i r v d a g rt m d p sf s e e e a e n t i s t e l h u v v l to s z
m e ho e r t sm a y r du da tc t ur .M e n h l t d g ne a e n e n n on o s a w ie。t e C— l v ls ti e lz d b r il h V e e e s r aie y pa ta
me t to e o i .Th r f r ,t i p p rp o o e n i r v d f s l o ih n a in v lct y e e o e h s a e r p s s a mp o e a t a g rt m.Th mp o e ei r v d
第 2 卷第 3 5 期 ቤተ መጻሕፍቲ ባይዱ
21 0 0年 5月

一种改进的 C-V 水平集图像分割方法

一种改进的 C-V 水平集图像分割方法

一种改进的 C-V 水平集图像分割方法
陈志惠;汪仁煌;汪志敏
【期刊名称】《广东工业大学学报》
【年(卷),期】2015(000)002
【摘要】由Chan-Vese提出的水平集图像分割模型可以不依赖于图像的边缘信息而对弱边缘以及含有内部轮廓的图像具有良好的分割效果。

但对于背景图像灰度包含两个及以上等级分层时,图像分割得不到准确的结果。

提出一种新的基于C-V 模型的改进算法,该算法引入了快速C-V方法的思想,融入全局梯度信息以及目标的先验知识。

实验结果表明,该方法能够很好地分辨出背景图像复杂灰度包含多个等级分层的目标区域轮廓且具有良好的适应性。

【总页数】5页(P104-108)
【作者】陈志惠;汪仁煌;汪志敏
【作者单位】广东工业大学自动化学院,广东广州510006;广东工业大学自动化学院,广东广州510006;广东工业大学自动化学院,广东广州510006
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种改进的C-V水平集遥感图像分割方法 [J], 杨铁军;宋智辉;姜传贤
2.一种基于三维直方图的改进C-V模型水平集图像分割方法 [J], 任继军;何明一
3.一种改进的快速C-V水平集红外图像分割 [J], 危自福;毕笃彦;马时平
4.一种新的窄带快速区域水平集C-V模型图像分割方法 [J], 李传龙;李颖;兰国新
5.基于改进C-V水平集模型的SAR图像分割 [J], 付金明;羿旭明;檀伟伟;王星;徐宇帆;陈璇
因版权原因,仅展示原文概要,查看原文内容请购买。

基于改进C-V模型的图像分割方法

基于改进C-V模型的图像分割方法

信息通信INFORMATION & COMMUNICATIONS2020年第6期(总第210期)2020(Sum. No 210)基于改进c-v 模型的图像分割方法马 锐,张新东,杨思渊,唐 泉(新疆师范大学数学科学学院,新疆乌鲁木齐830017)摘要:由于传统C-V 模型不能准确分割灰度不均匀的图像,本文基于传统C-V 模型进行了局部变量的改进,改进后的模 型不仅可以准确分割灰度不均匀的图像,而且能够更好的刻画各点邻域的灰度变化情况,使得边界信息可以较好的被分割。

实验证明,在对图像进行分割时,文章的方法与原模型相比效果更好。

关键词:偏微分方程;图像分割;C-V 模型;局部变量中图分类号:TP391.41 文献标识码:A 文章编号:1673-1131(2019)06-0075-03An improved image segmentation method based on C-V modelMaRui, Zhang Xindong, Yang Siyuan,Tang Quan(School of Mathematical Sciences, Xinjiang Normal University, Urumqi, Xinjiang 830017)Abstract: Due to the traditional C-V model can't accurately gray uneven image segmentation, this article is based on tradi ­tional C-V model has carried on the improvement of the local variable, the improved model not only can accurately gray un ­even image segmentation, and can better describe each point neighborhood grayscale change situation, make boundary infor ­mation can be better is divided. Experimental results show that the proposed method is better than the original model in imagesegmentation.Key words: Partial difierential equation; Image segmentation; C-V model; Local variable0引言从图像处理到图像分析的关键步骤是图像分割,其目的就是把目标物体或者人们感兴趣的部分从图像中分离出来,得到相应的边缘。

一种基于三维直方图的改进C—V模型水平集图像分割方法

一种基于三维直方图的改进C—V模型水平集图像分割方法
关 键 词: 图像 分 割 ; . C V模 型 ; 平 集 方 法 ;三 维 直方 图 水 中 图分 类 号 :P 9 . 1 文 献 标 识 码 : T 3 14 A
LEVEL S E ET M THoD oF Ⅱ AGE S EGM E NTATI oN AS D B E
Ab ta t e v l e DE b s d o h i l e m o - h h mo e o g e me tt n W rp s d b h n sr c :A n w l e tP a e n t e s e s mp i d Mu i f f r S a d l ri e s g na i a p o e y C a d f ma o s o
Ke r s ma e s g e tt n;C a — e e mo e ;lv ls t t o ;3 D h so a y wo d :i g e m na i o h n V s d l e e e h me d - itg m r
引言
图像分 割 是 图像 处 理 的关 键 问 题之 一 , 也是 一 个经 典难 题 . 18 自 9 7年 K s as等人 … 提 出主 动 轮廓 模型 以来 , 于 曲线 演化 ( uv vlt n 的形 变模 基 c reeoui ) o 型 已被 广泛地 应用 于 图像 分 割 . 由于形 变 模 型 的 图 像分 割方法具 有能够 有效结 合 图像 本 身的低层 次视 觉属性 与待分 割 目标 先验 知 识 的灵 活 开放 的框 架 ,
维普资讯
第2 7卷第 1 期
20 08年 2月
红 外 与 毫 米 波 学 报
J nrrd Mii .Ifae l m.W a e l vs

基于改进C-V模型的图像分割方法

基于改进C-V模型的图像分割方法

基于改进C-V模型的图像分割方法
邵万开;王洪元;石澄贤
【期刊名称】《数据采集与处理》
【年(卷),期】2016(031)001
【摘要】传统C-V模型分割图像利用图像区域特征,忽略了边缘等能够反应图像细节的特征.为了达到更好的图像分割效果,对于这些细节信息的处理则显得尤为重要.图像的梯度信息在边缘区域具有较大幅值,在同质区域具有较小幅值,因而可以用图像梯度来反映图像的边缘信息.把边缘信息融入C-V模型,利用同质区域信息和边缘信息控制曲线演化,则可以达到更好的分割效果.本文提出的新模型克服了C-V模型的一些缺陷,对背景灰度不均匀或含弱边缘的图像能够获得更好的分割效果.
【总页数】7页(P190-196)
【作者】邵万开;王洪元;石澄贤
【作者单位】常州大学信息科学与工程学院,常州,213164;常州大学信息科学与工程学院,常州,213164;常州大学信息科学与工程学院,常州,213164
【正文语种】中文
【中图分类】TP911.73
【相关文献】
1.基于改进C-V模型的超声图像分割方法 [J], 杨海洋;刘奇
2.基于模糊聚类和改进C-V模型的冠状动脉图像分割方法 [J], 韩承航;程云章
3.一种基于三维直方图的改进C-V模型水平集图像分割方法 [J], 任继军;何明一
4.基于改进的C-V模型虚拟人脑图像分割模型 [J], 陈允杰;张建伟;王利;王平安;夏德深
5.基于改进C-V模型的图像分割方法 [J], 马锐;张新东;杨思渊;唐泉
因版权原因,仅展示原文概要,查看原文内容请购买。

基于改进C-V模型的图像分割算法

基于改进C-V模型的图像分割算法

分的图像分析中 , 必须把单个 目标从 图像 中分离 出来 , 形成
在 主动轮廓模型 中, 最为经 典 的为 C h a n— V e s e 模 型
以下简称 C — V模 型) , C — V模 型是一种基 于区域 的动 态 目标与背景分离 , 这种处理方式即为图像分割 , 图像分割就 ( 是根据规定 的准则把给定的图像分成具有不 同特性的图像 轮廓模 型 。c — V模型根据全局 图像统计信 息来完成对 图 部分 , 图像分割的算法往往是根据规定 的准则 , 图像 内部灰 像 的分割。假设 图像 目标是由同质 的区域构成 , 一般能得 度颜色纹理等特点 目 标与背景 的不 同来预先建立¨ 。 到 良好 的实验结果 , 但在实 际情况 中, 图像 的 目标并非 同 — V模型在 分割非 同质 目标 时 , 得 到 的结 果不 是 在很多 的图像 分析 应用 的领 域 如遥感 测 量、 医 学成 质 。C 同时 , 在演化过程 中, 要不断地将水平集 函数重 新 像、 安全管制 、 军事 目标检测都需要用到 图像分割技术 , 图 很理想 ; 像分割技术越来越重要 。在实际的图像分析应用 中 , 当所 初始化 , 增加 了迭代时间 , 使轮廓 曲线演化速度大大降低 。 需 目标被分开 时 , 分割就 可以停止 了 , 运用 自动 的图像分
基于改进 C - _ V模型的图像分割算法
杨艳丹 , 韩 雪松 , 韩应征 , 庞冬 冬 , 杜 军 慧
( 1 . 太原理工大学 信息工程 学院, 山西 太原 0 3 0 0 2 4 ; 2 . 中石化 山西分公 司, 山西 太原 0 3 0 0 4) 2
【 摘 要】提出一种新的模型——c h a n — V e s e 模型, 该模型是基于曲线演化、 水平集方法、 局部 的统计信息, 新模型包括两个方 面: 局部核 心 函数和 惩罚项 。引入局部 统 计信 息 后 的新模 型可 以对 非 同质 图像 进行 有 效 的分 割。另 外 , 核 心 函数 中加 入惩 罚 项, 可以有效避免水平集函数初始化 , 缩短模型演化时间。通过实验的仿真结果发现, 新模型在对非 同质 图像进行分割时得到 了 良好 的结果 。

一种新的自适应模型的水平集图像分割方法

一种新的自适应模型的水平集图像分割方法

一种新的自适应模型的水平集图像分割方法谢意1, 杨玲2XIE Yi1, YANG Ling 21.成都信息工程学院电子工程学院,成都6102252.成都信息工程学院网络工程学院,成都6102251.College of Electronic Engineering, Chengdu University of Information Technology, Chengdu 610225, China2.College of Networks Engineering, Chengdu University of Information Technology, Chengdu 610225, ChinaE-mail: cornyi@New level set method of image segmentation based on the adaptive modelAbstract:Level-set has been Widely used in image segmentation. Firstly, introduce the traditional level-set based on the model of C-V and GAC, And then a new method has been presented to segment images, which combined with the advantages of the C-V model and the GAC model meanwhile selectively consider the local information in the illegibility area according to the characteristics of image. Finally, a real example is used to demonstrate the method is effectiveness and feasibility on segmenting the noisy blurry boundary and intensity inhomogeneity images.Key words: level-set; energy function; image segmentation; PDE摘要: 水平集广泛应用于图像分割。

基于C-V方法改进的红外图像自动分割

基于C-V方法改进的红外图像自动分割

基于C-V方法改进的红外图像自动分割
蔡超;周成平;丁明跃;张天序
【期刊名称】《华中科技大学学报:自然科学版》
【年(卷),期】2006(34)3
【摘要】基于简化的Mumford-Shah水平集图像分割模型,Chan-Vese提出了不依赖于图像边缘的水平集图像分割算法(C-V方法).但是该方法分割参数难以确定,对于具有非均匀灰度背景的红外目标图像常常分割失败.针对这一问题给出了改进的拟合能量模型,新模型兼顾到了目标的同质性信息与其所占面积比例的关系.基于该模型的水平集图像分割方法自适应于灰度起伏的背景,可以较为理想地分割出与背景灰度差异不太明显的目标,对小目标也具有很强的适应性.实验结果表明,在固定水平集分割参数的情况下,新方法对于不同类型、不同背景的红外图像具有了良好的适应性.
【总页数】3页(P62-64)
【关键词】图像分割;水平集方法;Mumford—Shah模型
【作者】蔡超;周成平;丁明跃;张天序
【作者单位】华中科技大学图像识别与人工智能研究所
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于模糊聚类和改进C-V模型的冠状动脉图像分割方法 [J], 韩承航;程云章
2.基于C-V模型的红外图像自动分割方法研究 [J], 李志国;郝欣然
3.基于改进型C-V模型的红外图像自动分割 [J], 李志国;张旭
4.基于改进C-V模型的图像分割方法 [J], 邵万开;王洪元;石澄贤
5.基于改进C-V模型的图像分割方法 [J], 马锐;张新东;杨思渊;唐泉
因版权原因,仅展示原文概要,查看原文内容请购买。

基于模糊聚类和改进C-V模型的冠状动脉图像分割方法

基于模糊聚类和改进C-V模型的冠状动脉图像分割方法

mo d e 1 . Me t h o ds F i r s t , we ma d e a c o a r s e p r o c e s s i n g f o r t h e o r i g i n a l i ma g e d a t a . T h e n, t h e o b t a i n e d me mb e r s h i p
【 A b s t r a c t 】 Ob j e c t i v e T o e x t r a c t t h e c o n t o u r o f c o r o n a r y f o r m c o r o n a r y C T a n g i o g r a p h y i m a g e a c c u r a t e l y
ma t ix r a n d t h e c l u s t e r i n g i n f o r ma t i o n we r e c o u p l e d i n t o t h e i mp r o v e d C—V mo d e l t o c o mp l e t e t h e s e g me n t a t i o n o f t h e c o r o n a y r a te r r y i ma g e . Fi n a l l y, q u a l i t a t i v e a n d q u a n t i t a t i v e a n a l y s i s o f t h i s mo d e l a n d t h e o t h e r t wo
结果 定性分析结果显示 , 本文模 型以较 少的迭代次数 完成 了对冠 脉轮廓 的提取 , 对 细小 复杂 的组 织具
有较强 的分 割能 力 , 目标 边缘 光滑 。定 量分 析 结果 显示 , 本 文模 型迭代 2 0 0次 耗 时 1 1 . 7 2 2 s 、 重 叠率

一种改进的C-V图像分割模型

一种改进的C-V图像分割模型

文章编号: 1 0 0 5 . 3 0 8 5 ( 2 0 1 5 ) 0 5 — 0 6 3 3 . 1 0

种 改进 的 C — V图像 分割模型牢
李五强, 杨 巧, 韩 国栋t
( 陕西师范大学数学与信息科学学院,西 安 7 1 0 0 6 2 1

要: 针对传统 C — V图像 分割模型在分割效率和 准确性两方面 的不足 ,本文提 出了一种改进
域的集合的过程[ 2 】 .目的是把 图像 中感兴趣的 目标与图像 中的其它部分分离 ,为后续的图
像 处理 、分 析服 务 .在 传统 的图像 处理 技 术 中 , 已经 开发 了多种 图像 分割 方法 【 3 】 ,主 要 的 有 以下三 类 :基 于边 界 的分割 、基 于 区域 的分 割 、基 于纹 理 的分割 ,这 些方 法对 于 不 同 目
的 外 部 能量 共 同 支 配 ,在 能量 最 小 的 原 则 下 移 动 并 最 终 停 止 于所 要 寻 找 的物 体 边 缘 附
近 . 活动 轮 廓 模 型分 为参 数 活 动轮 廓 模 型 和 几何 活 动 轮 廓 模 型两 类 , 由于 后者 基 于 水 平
集 方 法【 6 】 和 曲线 演化 理 论 【 7 ] ,因此 它相 对 于 前 者 具 有 更 多 的 优 点 ,最 突 出 的是 能 够 灵 活 的处 理 曲线 的 拓 扑 结 构 变 化 问题 .1 9 8 9年 ,Mu mf o r d和 S h a h提 出 的 Mu mf o r d — S h a h模
的C — V图像 分割 模型 :一 ,在模 型 中加 入 内部能 量项 ,使水 平集 函数被 限定 为符号 距离 函数 ,从而 避免 了水平 集 函数 的重 新初 始化 ,提高 了 图像 分割 的效率 .二 ,选 取H e a v i s i d e 函数 的新 正则化 函数 ,使其逼 近效果 更佳 ,提 高 了图像分 割的准确 性 . 三 ,用正 实数函数 去替换传统 C — V模 型 中Di r a c 函数 的正则化 函数 ,一方面 ,消除 了 后者对非初始 活动轮廓线 附近 同质区域边界检测 的抑制作用 ,进而使 模型具有更好 的 全局优化特性 ,提 高 了图像分割 的准确性 ;另一 方面,使得模型 的计 算更为简单 ,提 高 了图像分割 的效 率.数 值实验表 明本文提 出的改进 C — V图像分割模 型提高 了图像分 割的效率与准确性 . 关键词:图像分割;C — V模型 ;水平集 函数 ;H e a v i s i d e 函数 ;D i r a c 函数

基于改进C-V模型的辣椒病斑图像分割

基于改进C-V模型的辣椒病斑图像分割

据辣椒 病斑 图像 的特 征, 首先对病 斑图像的 R G B颜色分量和通道权重系数进行加权处理 , 接着用差分图像能 量进行计算处理 , 最后 , 通过水平集演化方程获得病斑的分割曲线。实验测试表 明 , 经过改进 的 C—V模型对
辣椒病斑图像分割的效果 比传统 C—V模 型及 K— me a n s 方法分割 的效果和抗噪性好权颜色 ; 水平集
中图 分 类 号 : ¥ 6 4 1 . 3— 3 3 文献标识号 : A 文章 编 号 : 1 0 0 1 — 4 9 4 2 ( 2 0 1 5 ) 1 0- 0 1 1 6— 0 4
S e g me n t a t i o n o f Ca p s i c u m Di s e a s e S p o t I ma g e Us i n g I m pr o v e d C — - V Mo d e l
Ab s t r a c t I n v i e w o f c o mp l e x b a c k g r o u n d a n d d i f f i c u l t y i n s e g me n t a t i o n o f c a p s i c u m l e a f d i s e a s e s p o t
a g e , f i r s t l y, t h e RG B c o l o r c o mp o n e n t s a n d c h a n n e l we i g h t c o e f f i c i e n t o f d i s e a s e s p o t i ma g e w e r e we i g h t e d p r o -
s p o t i ma g e .

基于改进C-V模型的高分辨SAR图像分割

基于改进C-V模型的高分辨SAR图像分割

基于改进C-V模型的高分辨SAR图像分割王翠杰;杨永红;林明【摘要】针对SAR图像灰度分布不均匀现象,提出利用对均匀和不均匀区域都能很好的拟合的G0概率密度函数对C-V水平集模型进行改进.针对经典的C-V水平集模型只利用区域信息而没有利用边缘信息,从而造成虚假边缘轮廓较多以及演化时容易陷入局部极小值等现象,提出在C-V模型中引入能够很好的去除SAR图像中的乘性噪声的改进的边缘检测函数,定位图像的边界以及控制曲线的演化速率,且增加能避免水平集函数重新初始化的距离正则项作为内能项.通过人工合成图像和真实高分辨SAR图像的分割实验验证了改进后的C-V水平集模型能够更快速度、更高准确度地定位目标边界,实现高分辨SAR图像分割.%For the phenomenon of heterogeneous grayscale in SAR image, we use the G0 probability density function what can fit homogeneous and heterogeneous areas to improve the C-V model. For the classic C-V model only use the geographic information and don't use the edge information, so that it has many false profile of edge and easy to fall into local minimum, by using the edge detection function what can remove the multiplicative noise join in the C-V model, and a distance regularized term that can avoid the periodic updates of level set function become a internal force term. The experiments based on both synthetic and real high-resolution on SAR image prove the improved C-V model has faster division speed and accuracy.【期刊名称】《电子设计工程》【年(卷),期】2017(025)019【总页数】5页(P161-164,169)【关键词】边缘检测函数;G0概率密度函数;距离正则项;SAR图像分割;C-V模型【作者】王翠杰;杨永红;林明【作者单位】江苏科技大学电子信息学院,江苏镇江 212003;江苏科技大学电子信息学院,江苏镇江 212003;江苏科技大学电子信息学院,江苏镇江 212003【正文语种】中文【中图分类】TN957.52Abstract:For the phenomenon of heterogeneous grayscale in SAR image,we use the G0probability density function what can fit homogeneous and heterogeneous areas to improve the C-V model.For the classic C-V model only use the geographic information and don't use the edge information,so that it has many false profile of edge and easy to fall into local minimum,by using the edge detection function what can remove the multiplicative noise join in the C-V model,and a distance regularized term that can avoid the periodic updates of level set function become a internal force term.The experiments based on both synthetic and real high-resolution on SAR image prove the improved C-V model has faster division speed and accuracy.Key words:edge detection function;G0probability density function;distance regularization term;SAR image segmentation;C-V model合成孔径雷达(SAR)是一种高分辨二维成像雷达,在军事和国民经济的各个领域中都有非常重要的作用。

基于偏移场修正的C—V模型水平集图像分割算法

基于偏移场修正的C—V模型水平集图像分割算法
收 稿 日期 : 2 0 1 2 - 0 5 — 1 0
和c : 分别是 区域 和 中的灰 度均值 , 能量泛 函
中第 3 项为零水平集 曲线长度约束项 , 是取值为 正 的权重 系数 , 图像 分 割 过程 是 通 过 寻找 使 能 量泛
函取得最 小值 的水平 集 函数 ( ) 以及 常值 c 和 c
缘 型水平 集 和 区域 型水平 集 。边缘 型水平 集利 用局
提 出了 L G I F模 型 , 综 合 利 用 了全 局 统 计 信 息 以及 局部信 息 , 但 计算 复杂度较 大 。
本 文 结合 描 述现 实 图像 的数学 模 型 , 提 出 了基
于偏差 修 正 的 c — V模 型 , 利用 偏 移场 抑 帛灰 色不 均 匀效应 的影 响 。较 好 的应 用 于现实 图像 的分 割 。
JJ l
部边缘信息使 曲线逼近 目标轮廓 , 该方法没有假定 图像 灰度 是均 匀 的 , 可 较 好 地应 用 于 灰 度不 均 匀 图 像, 但该 方法 不适用 于弱 边缘 或 者 有 许 多伪 边 缘 的
图像 ; 区域 型水 平集 利 用 某 种 区域 信 息来 引导 曲线 向 目标轮 廓进 行逼 近 , 但 大 多数 的 区域 型水 平 集 都
1 相 关 的 能 量模 型
c . V_ l 模 型 假 定 目标 与 背 景 的 灰 度 值 均 为 常 值, 基于 c v模 型 的水 平集 方 法 通 过求 解 如 下 的能
量 泛 函实 现
E c 1 , c 2 , c ) =f l , ( ) 一 c l l d x +
2 0 1 3年 4月
西 北 工 业 大 学 学 报
J o u r n a l o f N o r t h we s t e r n P o l y t e e h n i e l a U n i v e r s i t y

基于改进CV模型的多尺度图像分割方法

基于改进CV模型的多尺度图像分割方法
e r ce te c c l. M oe v r,t i de s i l me e sn a ito ll v ls ta pr a h. T x rme t bti xta td a a h s ae ro e h smo lwa mp e ntd u ig v raina e e e p o c he e pe i n s o an p ee a l e u . r fr b e rs hs
K yw rs m g em nao ; rd n et o ( V ) C a —eem dl u i a e od :i aesg et i gai t c r w G F ; hnV s oe;m hs l tn e v of l ce
图像分割是图像处理和分 析应用 中一项 非常重要 的前期
M uts ae i g e me tto a e n i r v d CV d l l c l ma e s g nain b s d o mp o e i mo e
R N Jjn HEMigy E iu , n —i -
( ha x K yL brtr r oom t nA qitn& Poe i S an i e aoaoy o l r ai cusi f f o io rc s g,Sh o o l t nc& I om t n ot etnP leh i l n ei sn colfEe r i co n r ai ,N r w s r o t nc ir t f o h e y c a U v sy
工作 。 尺 度是 图像 分 割 和 机 器 视 觉 中 的 一 个 基 本 概 念 。多 尺
集 方法在一 定程 度上克服了 Sa e n k 模型的缺点 , 如对初始轮廓
的选择无特殊要求 , 以很好地 处理拓扑结 构改变 等。但 是 , 可 传统 的水平集 图像分 割方 法仅 利用 图像 的局部边缘信息 , 于 对

C-V模型的一种集成化改进

C-V模型的一种集成化改进

C-V模型的一种集成化改进张少华;秦进【摘要】10.3969/j.issn.1000-386x.2012.10.074% C-V(Chan-Vese)模型不能分割灰度不均图像,分割速度慢。

因此,对图像分割理论进行深入探讨,采用实验方法,提出一个新的边缘停止函数,并将其与图像灰度变换及H1正则项融入C-V模型中,对其进行集成化改进,提出一个新颖的以偏微分方程形式表示的活动轮廓模型。

实验表明:该模型能分割灰度不均图像,对初始轮廓的大小敏感性较小,抗噪性较强,分割速度较快。

【期刊名称】《计算机应用与软件》【年(卷),期】2012(000)010【总页数】4页(P280-282,299)【关键词】图像分割;H1正则项;边缘停止函数;幂次变换;偏微分方程;C-V模型;集成化【作者】张少华;秦进【作者单位】遵义师范学院数学与计算科学学院贵州遵义563002;遵义师范学院数学与计算科学学院贵州遵义563002【正文语种】中文【中图分类】TP3910 引言Chan-Vese(简称C-V)模型或称PC(Piecewise Constant)模型[1],是由T.F.Chan和L.A.Vese两人通过简化Mumford-Shah模型于2001年提出来的。

C-V模型对演化曲线的初始化不敏感,抗噪性较强,但不能分割灰度不均一图像,分割速度慢。

这些年来,许多学者对C-V模型从不同角度、不同知识层面进行了拓展和改进。

例如,L.A.Vese和T.F.chan为了实现对不同灰度多目标轮廓的提取,于2002年提出了多相C-V模型[2];C.M.Li等人为了分割灰度不均一图像,于2008年提出了RSF(Region-Scalable Fitting)模型或称LBF(Local Binary Fitting)模型[3];林挺强等人于2010年在C-V模型中引入一速度项,加快了模型的收敛速度[4]等;张少华于2011年在C-V模型中添加一个H1正则项,加强了模型的抗噪性能,使适用范围得以拓展[5](以下简称此模型为HCV模型);罗德芳等人于2011年提出了结合灰度变换的C-V模型(以下简称TCV模型),扩大了模型的适用范围,提高了分割速度[6]。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第3 2卷 第 2期
21 0 2年 5月
桂 林 理 工
大 学 学 报
Vo . 2 No 2 13 . Ma 2 2 y 01
J u a fGu l i est fT c n lg o r lo i n Un v ri o e h oo y n i y
文章 编号 :1 7 9 5 ( 0 2 0 0 8 0 6 4— 0 7 2 1 ) 2- 2 1- 6
1 传 统 C— V水 平 集 的全 局 依 赖 性
传统的 c— V水平集模型使用的是图像的全局 叶变 换 、加窗 傅 里 叶变 换 和 小 波 变 换 等 。傅 里 叶 范 围信 息 。c—V模 型通 过综 合 使 用 区域 和边 界 的
变换 能够 分 离 图像 的高 频 和低 频 分 量 ,但 频 域 信 信息 , 将边界跟踪问题转化为一个求能量泛函的最
V水平集分割方法并将其应用 般较 模糊 ,含 噪 声 ,因 此 所 需 信 息 范 围较 小 的 分 出了一种改进的 c—
割方 法效 果 并 不 好 ,而 利 用 较 大 范 围信 息 的分 割 于边界模糊的遥感 图像 。利用小波变换得到 图像 方 法 则 优 势 明 显 ,例 如 c —V 水 平 集 分 割 方 的高 频分 量 及 空 间 分 布 ,在 新 的依 赖 信 息 范 围 内

d i1 . 9 9 ji n 17 9 5 . 0 2 0 . 2 o :0 3 6 /.s .6 4— 0 7 2 1 . 20 4 s
种 改 进 的 C—V水 平 集 遥 感 图 像 分 割 方 法
杨铁 军 ,宋智辉 ,姜传 贤
( 桂林 理工 大学 信息 科学 与工程 学 院 ; . 西空 间信 息与测 绘重 点实 验室 ,广西 桂林 b广 5 10 ) 404
28 】一2 6. 8








维 曲 面 的 演 化 ,都 要 利 用 水平集 模 型 ,将 其 由全 局 信 息 依 赖 型 转 变 成 基 于 整 幅 图像 的信 息 ,所 以 它是 一 种 全 局 信 息 依 赖 型 小波 的局 部 信 息依 赖 型 分 割方 法 ,提 高 其 对 于 复
收 稿 日期 :2 1 0 1—0 8—2 9
基 金项 目:广西 自然科 学基 金项 目 (0 1 X SB 10 7 ;广 西教 育厅 科研项 目 (002 S0 ) 2 1G N F 0 86 ) 2 11M 15 ;广西 空 间信 息 与测 绘重 点
实验 室主任 基金 ( 桂科 能 10 18— 7 13 0 0 ) 作 者简 介 :杨铁 军 (99 ) 17一 ,男 ,博 士 ,副 教授 ,研究 方 向 :计算 机 图像处 理 ,yt @ 13 tn。 ai 6 .oi t e 引文格 式 :杨铁 军 ,宋 智辉 ,姜 传贤 .一种 改进 的 c— V水 平集 遥感 图像 分割方 法 [] J .桂林 理工 大学 学报 , 02 2 ( ) 2 1 ,3 2 :
中图分 类号 :P 3 ;T 7 1 2 7 P 5 文 献标 志码 :A
O 引 言
息无 法 与空 域 信 息 对 应 ;加 窗 傅 里 叶变 换 能 够 得 到 固定窗 宽 的频 域 与 空 域 信 息 的 对 应 关 系 ;而小
遥感 图像 分 割是 遥感 图像 处 理 的热 点 和难 点 。 波变 换最 为 灵 活 ,能 够 进 行 可 变 尺 度 的空 一频 域 针对 遥感 图像 覆 盖 面广 、 目标/ 景 复 杂和 边 缘模 分析 ,是 图像 分 割 频 域 分 析 方 法 中最 常 用 的方 法 背 糊等 特点 ,图像 分 割一 般 可 以采 用 基 于 边 界 、基 之一 。近 年来 ,利 用 小 波 分 析 指 导 水 平 集 图像 分 ,均 是利 用 小 波 变 换 ,提 取 相 于 区域 和综 合 边 界 与 区域 信 息 等 几 种 方 法 。利 用 割 的方 法 较 多 J 信息 范 围 的恰 当与 否 ,往 往 决 定 了分 割 的性 能 和 应 的图像 特 征并 集 成 到 水 平 集 模 型 中 ,但 很 少 有 结果。当 目 标边界清 晰时,可 以使 用所需信息 范 针对 分割信 息 范 围的选 择 问题来 优化 水平 集模 型 。 本文运用小 波变换得 到的高频分量,研究高 围小的梯度法等 ,这些 方法具有计算 简单 、快 速 等优 点 ,但 对 噪 声 非 常 敏 感 ;而 遥 感 目标 轮 廓 一 频 分量 与 分 割所 依 赖 的 信 息 范 围 之 间 的 关 系 ,提
对 水平 集分 割 的指导 作用 ,并优 化驱 动水平 集演 化 的内 、外 能 量及 曲线 长度 约 束能 量 。实验 证 明 ,运
用该方法对遥感图像的分割结果 比传统水平集方法更准确 ,能有效的利用局部信息提高水平集能量项 的有效性和分割结果的准确性。
关键 词 :水 平集 ;小 波变换 ;遥感 图像 分割

要 :针 对遥 感 图像边界 模糊 分割 难 的问题 ,提 出了一 种 改进 的基 于 小波 变换 的 c— V水 平集 分 割
方法 提高其 分割 准确 性 。该 方法 首先 使用小 波变 换得 到原 图像 的高 频分 量 ,初步 定位 图像 中高频 信 号
的空间位置 ;然后根据高频分量的幅值及其空间分布 ,借鉴反锐化掩模法的思想,增强图像高频信号
法 。因此 ,研 究分割 目标所需要 的信 息范 围 重 新计 算 c—V水 平集 的各 能量 项 ,使演化 曲线 更 并 应 用 于遥感 图像 分 割是本 文 的重 点 。 准确 的收敛 到 目标边 界 。
传统 的微 分 法 ,其 实 质 是 根 据 图 像 的 边 界 信 息为 高频 信息 ,使 用 求 导 法 增 强 高频 分 量 ,从 而 突 出 目标 边 界 。进 行 频 域 分 析 的 常 用 工 具 有 傅 里
相关文档
最新文档