刘恒
- 作品数：2 被引量：3H指数：1
- 供职机构：安徽工业大学计算机科学与技术学院更多>>
- 发文基金：安徽省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种结合GVF和CV模型的水平集图像分割方法被引量：3
- 2016年
- 由于CV(Chan-Vese)模型是一个非凸性泛函,对该泛函求极值只能得到局部最优解,运用该模型进行图像分割时,很难在全局范围内得到理想的结果。鉴于此,提出一种结合梯度矢量流(gradient vector flow,GVF)和CV模型的水平集图像分割方法。该方法通过GVF将边缘梯度信息扩散至整幅图像,在保留CV模型基本优点的同时,融入GVF的全局性梯度信息,从而引导CV模型在全局范围内演化至准确的目标边缘。实验结果表明,该方法的分割效果和收敛速度均明显优于传统CV模型。
- 胡小为刘宏申徐国雄阮越刘恒潘祥
- 关键词：图像分割水平集方法CV模型梯度矢量流
- Ambrosio-Tortorelli模型的相关改进
- 2016年
- Mumford-Shah(M-S)模型对于图像分割有重要的研究意义,却在实际使用中存在很大困难,故而产生了Ambrosio-Tortorelli(A-T)模型的近似方法。本文介绍了Ambrosio-Tortorelli模型泛函,以及其拐角效应在图像分割中的缺陷,针对此缺陷,改进了其几何项的椭圆逼近项,随后对本文模型进行离散化计算得到最终的分割迭代方程。通过实验可以证明本文方法的可行性。
- 龚海晏刘宏申阮越刘恒潘祥
- 关键词：图像分割MUMFORD-SHAH模型
