【摘要】：距離規(guī)則水平集存在對噪聲、初始輪廓敏感、收斂速度慢以及容易從弱邊緣處泄露等不穩(wěn)定問題.結(jié)合待分割目標(biāo)灰度統(tǒng)計(jì)信息和圖像梯度信息,提出了一種自適應(yīng)初始輪廓的水平集演化方法,利用圖像信息構(gòu)成的自帶符號目標(biāo)信息函數(shù)代替面積項(xiàng)中的邊緣指示函數(shù),解決水平集方法對初始輪廓敏感問題.另外,還設(shè)計(jì)一個自我調(diào)整的面積項(xiàng)系數(shù)解決水平集方法對收斂速度慢以及弱邊緣處泄露問題.實(shí)驗(yàn)結(jié)果表明:本文方法不僅可以減少圖像分割時間,提高了分割質(zhì)量,同時能夠解決對初始輪廓敏感問題.
【圖文】：

電子學(xué)報2017年3DＲLSE模型分析分析DＲLSE模型，可以發(fā)現(xiàn)如下問題:(1)用于加快零水平集的演化速率的面積項(xiàng)為單向性，失去了方向選擇性即自我調(diào)整能力．演化曲線只能根據(jù)設(shè)定方向向內(nèi)收縮或向外膨脹演化，在演化過程中無法根據(jù)圖像特征自主改變．當(dāng)α＜0，做膨脹演化運(yùn)動，初始輪廓必須在目標(biāo)邊界內(nèi)部，但是不包含目標(biāo);當(dāng)α＞0，，做收縮演化運(yùn)動，必須在目標(biāo)外部且包含目標(biāo)．一旦初始輪廓曲線與目標(biāo)交叉，則無法正確分割，模型未能解決演化曲線的自適應(yīng)運(yùn)動和對初始位置敏感的問題．圖1所示為初始輪廓曲線與目標(biāo)交叉，實(shí)驗(yàn)結(jié)果為無法正確分割．(2)外部能量項(xiàng)依賴邊緣指示函數(shù)，而邊緣指示函數(shù)是選取經(jīng)高斯平滑處理后圖像的梯度信息．當(dāng)二個目標(biāo)靠近時，圖像梯度的邊緣信息可能相互連接導(dǎo)致分割失�。畧D2所示為幾個近距離目標(biāo)因邊緣指示函數(shù)自己的特性而導(dǎo)致分割失�。�(3)μ，λ，α均為人為設(shè)定的常數(shù)．其中對于參數(shù)α，若值過小則演化減慢且容易陷入虛假邊界中，演化停止;值過大則演化加快，但太大就容易出現(xiàn)邊界泄漏現(xiàn)象，導(dǎo)致分割失敗．圖3、圖4分別說明上述情況．DＲLSE的實(shí)驗(yàn)參數(shù)為:Δt=1，μ=0.2，λ=5，α=1.5，ε=1.5，σ=1.5，C0=2，最大迭代次數(shù)為600次，初始輪廓均定義為距離圖像邊界6個像素的矩形．另外，在實(shí)驗(yàn)中具體說明迭代數(shù)．其中迭代終止條件是水平集函數(shù)前后20次迭代的面積相對誤差小于1%．4自適應(yīng)初始輪廓的水平集模型為了克服DELSE對初始輪廓敏感、收斂速度慢以及容易從弱邊緣處泄露等不穩(wěn)定問題，本文利用待分割灰度圖像與經(jīng)高斯平滑濾波圖像的全局閾值差值，改進(jìn)變分水平集演化函數(shù)，其梯度下降流方程:

本文編號：2538233