为了提高图像分割的速度和精度，提出了一种新的基于ChanVese水平集模型(CV模型)的梯度加速分割模型。首先，在CV模型的能量函数中加入一个内部能量项，抵消演化过程中水平集函数和符号距离函数的偏差，从而消除分割中周期性重新初始化的过程；其次，提出了梯度加速项，通过感兴趣区域的图像特征，快速得到该区域的边界，且能够提高弱边界的分割精度。实验证明，提出的方法不仅能够加速特定区域的分割、提高分割精度，还能保持分割过程的稳定性。
2023-03-14 15:42:38
173KB
1
此 Matlab 代码实现了一种新的水平集公式，称为距离正则化水平集演化 (DRLSE)，由李春明等人在 IEEE Trans. 论文“距离正则化水平集演化及其在图像分割中的应用”中提出。 图像处理，卷。 19 (12), 2010
与传统水平集公式相比，DRLSE 的主要优点包括： 1) 它完全消除了重新初始化的需要； 2）它允许使用较大的时间步长来显着加快曲线的演化，同时确保数值精度； 3) 与传统的水平集公式相比，非常容易实现且计算效率更高。
该包仅将基于边缘的活动轮廓模型作为 DRLSE 的一个应用程序实现。 可在以下网站的其他已发表论文中找到DRLSE的更多应用：
http://www.imagecomputing.org/~cmli/
2021-11-18 11:03:13
1.82MB
1