宋 凌 怡

(四川民族学院 计算机科学系， 四川 康定 626001)



演化曲线自适应驱动的图像分割水平集模型研究

宋 凌 怡*

(四川民族学院 计算机科学系， 四川 康定 626001)

利用图像梯度和几何曲率等信息可以准确定位分割图像的边缘.基于此，本文在对图像分割典型变分模型有效性及所存在问题分析和讨论的基础上，提出了一种演化曲线自适应驱动的图像分割水平集模型.模型通过调整演化曲线长度项和面积项的权重函数，使演化曲线能够根据图像当前的状态自适应的调整演化幅度和方向，不仅提高了图像分割的准确度，还大大缩减了图像分割时间；模型在利用图像局部区域信息的同时，也利用全局化的正则函数来兼顾模型能量泛函的全局性，使模型有了对异质区域边界的捕捉能力.经试验验证文章所提出的新模型有效可靠.

图像分割； 演化曲线； 自适应权重函数； 水平集函数； 能量泛函

图像分割是进行高级图像处理前的重要技术，随着研究的深入，出现了许多经典的图像分割算法[1-2].然而，由于各种图像分割算法的侧重点不同以及分割图像自身含有各种各样的特征数据，分割算法在处理图像噪声、图像边缘定位和降低分割时间等方面都有些不足[3].针对于此，以利用梯度和几何曲率等信息来准确定位图像边缘的基于偏微分方程(PDE)图像分割算法满足了需求.早期基于PDE的图像分割的典型模型主要包括两类：一类是基于边……