發(fā)布時(shí)間：2017-11-24 04:22

  本文關(guān)鍵詞：基于改進(jìn)的GAC模型的圖像分割

  更多相關(guān)文章： 改進(jìn)的GAC模型 圖像分割 正則化P-M方程濾波 醫(yī)學(xué)圖像

【摘要】：利用各向同性非線性擴(kuò)散的圖像濾波,并改進(jìn)了Li Chunming提出的GAC模型中的邊緣函數(shù)和Heaviside函數(shù),減少圖像弱邊緣泄露現(xiàn)象.采用改進(jìn)后的GAC模型對(duì)肺部的CT圖片,腦部的MR圖片和脊椎的CT圖像進(jìn)行分割,取得了較好的分割效果.
【作者單位】： 福州外語外貿(mào)學(xué)院;福建師范大學(xué);
【基金】：國家自然科學(xué)基金(61179011) 福建自然科學(xué)基金(2010J01327)
【分類號(hào)】：TP391.41
【正文快照】： 0引言在圖像分割中,Li Chunming等人提出一種完全不需要重新初始化的變分水平集方程實(shí)現(xiàn)GAC模型[1,4],極大地降低了計(jì)算復(fù)雜度,而且提高了算法的效率,但該算法同時(shí)使圖像的邊緣變得模糊,不利于圖像的邊緣分割.該文提出了利用各向同性非線性擴(kuò)散的圖像濾波,并改進(jìn)了Li Chunming

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 何傳江;李夢(mèng);詹毅;;用于圖像分割的自適應(yīng)距離保持水平集演化[J];軟件學(xué)報(bào);2008年12期

2 歐s，

本文編號(hào)：1221006