文件名称：论文研究-结合全局和局部信息的水平集图像分割方法.pdf
文件大小：5.23MB
文件格式：PDF
更新时间：2022-08-11 17:25:46
图像分割,图像噪声,拟合项,全局和局部信息,边缘检测算子
LBF模型对初始轮廓大小和位置非常敏感，并且只考虑了图像的局部信息，没有考虑图像的全局信息；CV模型利用图像全局信息，对初始轮廓具有较强的鲁棒性。两种模型对椒盐噪声污染的图像不能取得令人满意的结果。针对以上问题，在原有CV模型和LBF模型能量函数基础上，各自构造一个新的能量拟合项，增强对高斯噪声和椒盐噪声的抗噪性。采用新构造的CV模型，使用图像的全局信息得到粗分割轮廓；以粗分割轮廓作为新构造LBF模型的零水平集，利用图像的局部信息得到图像的精确分割结果。同时提出一种新的边缘检测算子，重新定义边缘停止函数，进一步提高模型的抗噪性。相较于CV和LBF模型，结合全局和局部信息的Wang和Qi模型，提出的模型能得到更优的图像分割结果，具有较强的抗噪性。