医学噪声图像分割的分解与活动轮廓方法
医学噪声图像的分割是一件非常困难的事情,为了同时进行噪声去除和图像分割,提出一种基于分解的图像活动轮廓分割模型.该模型是G空间图像分解模型和边缘、区域相结合的活动轮廓模型集成的一个变分泛函,由于模型直接求解困难,把它分裂成2个泛函极值——图像分解部分和图像分割部分.其中,图像分解部分是在G空间的泛函极值,用第二代曲波变换域的阈值收缩求解;分割部分是变分水平集泛函极值,其Euler方程为非线性偏微分方程,可用梯度下降流求解.实验结果表明,文中模型不但可对噪声图像去噪,而且在相同的实验条件下分割效果优于Chan-Vese模型、Snake模型、Level-set模型和ASM;不仅提高了图像的质量,还能较好地分割出目标部分.
图像分割、活动轮廓、图像分解、阈值收缩、梯度下降流
23
TP391(计算技术、计算机技术)
国家“九七三”重点基础研究发展计划项目2010CB933903
2012-03-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
1882-1889