图像局部交互熵分割模型的两步快速优化

发布时间：2017-10-14 05:09

  本文关键词：图像局部交互熵分割模型的两步快速优化

  更多相关文章： 图像分割 活动轮廓模型 水平集方法 粗分割 细分割

【摘要】：目的针对LCK(local correntropy-based K-means)模型收敛速度慢,提出新的基于LCK模型的两步快速分割模型。方法两步快速分割模型包括粗分割和细分割。1)粗分割:先将待分割的原始图像下采样,减少数据量;然后使用LCK模型对采样后的粗尺度图像进行分割,得到粗分割结果及其相应的粗水平集函数。由于数据量的减少,粗分割步骤可以快速得到近似分割结果。2)细分割:在水平集函数光滑性约束下,将粗分割结果及其对应的粗水平集函数上采样到原始图像的尺度,然后将上采样后的粗水平集函数作为细分割的初始值,利用LCK模型对原始图像进行精细分割。因初始值与真实目标边界很接近,所以只需很少迭代次数就能得到最终分割结果。结果采用F-score评价方法分析自然以及合成图像的分割结果,并与LCK模型作比较,新的模型F-score数值最大,且迭代次数不大于50。结论粗分割步骤能在小数据量的情况下,快速分割出粗略的目标;细分割步骤在较好的初始值条件下,能够快速收敛到最终的分割结果,从而有效提高了模型的计算效率和精确性。本文算法主要适用于分割含有未知噪声及灰度非同质的医学图像,且分割效率高。
【作者单位】： 西北农林科技大学理学院;
【关键词】： 图像分割 活动轮廓模型 水平集方法 粗分割 细分割
【基金】：国家自然科学基金项目(61401368) 陕西省专项配套经费(Z111021511)~~
【分类号】：TP391.41
【正文快照】： 0引言 图像分割是图像分析和理解的重要步骤之一。由于图像中存在复杂噪声、灰度不均匀以及低对比度的问题,使得图像分割面临诸多难题。而活动轮廓模型[1]以其自适应性、亚像素精度[2]等优点成为研究热点。 活动轮廓模型以光滑封闭的曲线演化恢复目标边界,根据使用约束条件

【相似文献】

中国期刊全文数据库 前2条

1 刁现芬;陈思平;梁长虹;汪元美;;基于阈值区间的水平集算法在耳蜗分割中的应用[J];浙江大学学报(工学版);2006年02期

2 ;[J];;年期

，

本文编号：1029155