摘 要: | 水平集方法在图像分割和计算机视觉领域有很广泛的应用,在传统的水平集方法中,水平集函数需要保持符号距离函数.现有的活动轮廓模型、GAC模型、M-S模型、C-V模型等在演化过程中均需要对水平集函数进行重新初始化,使其保持符号距离函数,然而这样会引起数值计算的错误,最终破坏演化的稳定性,另外这些模型只适用于灰度值较为均匀的图像,对灰度值不均匀的图像不能进行理想的分割·针对这些问题,结合C-V模型的思想,提出了一种带有正则项的四相水平集分割模型,其中正则项被定义为一个势函数,具有向前向后扩散的作用,使水平集函数在演化过程中保持为符号距离函数,避免了水平集函数重新初始化的过程.最后对该模型进行数值实现,实验表明了新模型的可行性和有效性.
|