一种自适应初始轮廓的水平集演化方法的研究

发布时间：2019-09-19 16:13

【摘要】：距离规则水平集存在对噪声、初始轮廓敏感、收敛速度慢以及容易从弱边缘处泄露等不稳定问题.结合待分割目标灰度统计信息和图像梯度信息,提出了一种自适应初始轮廓的水平集演化方法,利用图像信息构成的自带符号目标信息函数代替面积项中的边缘指示函数,解决水平集方法对初始轮廓敏感问题.另外,还设计一个自我调整的面积项系数解决水平集方法对收敛速度慢以及弱边缘处泄露问题.实验结果表明:本文方法不仅可以减少图像分割时间,提高了分割质量,同时能够解决对初始轮廓敏感问题.
【图文】：

电子学报2017年3DＲLSE模型分析分析DＲLSE模型，可以发现如下问题:(1)用于加快零水平集的演化速率的面积项为单向性，失去了方向选择性即自我调整能力．演化曲线只能根据设定方向向内收缩或向外膨胀演化，在演化过程中无法根据图像特征自主改变．当α＜0，做膨胀演化运动，初始轮廓必须在目标边界内部，但是不包含目标;当α＞0，，做收缩演化运动，必须在目标外部且包含目标．一旦初始轮廓曲线与目标交叉，则无法正确分割，模型未能解决演化曲线的自适应运动和对初始位置敏感的问题．图1所示为初始轮廓曲线与目标交叉，实验结果为无法正确分割．(2)外部能量项依赖边缘指示函数，而边缘指示函数是选取经高斯平滑处理后图像的梯度信息．当二个目标靠近时，图像梯度的边缘信息可能相互连接导致分割失败．图2所示为几个近距离目标因边缘指示函数自己的特性而导致分割失败．(3)μ，λ，α均为人为设定的常数．其中对于参数α，若值过小则演化减慢且容易陷入虚假边界中，演化停止;值过大则演化加快，但太大就容易出现边界泄漏现象，导致分割失败．图3、图4分别说明上述情况．DＲLSE的实验参数为:Δt=1，μ=0.2，λ=5，α=1.5，ε=1.5，σ=1.5，C0=2，最大迭代次数为600次，初始轮廓均定义为距离图像边界6个像素的矩形．另外，在实验中具体说明迭代数．其中迭代终止条件是水平集函数前后20次迭代的面积相对误差小于1%．4自适应初始轮廓的水平集模型为了克服DELSE对初始轮廓敏感、收敛速度慢以及容易从弱边缘处泄露等不稳定问题，本文利用待分割灰度图像与经高斯平滑滤波图像的全局阈值差值，改进变分水平集演化函数，其梯度下降流方程:

本文编号：2538233