一种改进的单参数水平集快速分割方法

Animprovedlevel set methodfor fast image segmentation based onsingle parameter

摘要:

针对传统水平集分割方法的参数多且速度较慢的问题,提出了一种新的基于单参数的快速水平集图像分割方法,改进了基于Mumford-Shah模型的Chan-Vese(C-V)模型,引入惩罚函数项、用水平集函数梯度的模取代Dirac函数,并且只保留长度项参数,构造出无须重新初始化且具有全局优化的新模型。此外,在算法实现中引入停止迭代判定式,实现自动分割同时得到单参数的取值规律。人工合成图像和医学图像分割的实验结果表明,该方法具有更快的速度和更好的鲁棒性。由于零水平集函数可以任意设定且便于调整单参数取值,新方法具有更广泛的适应性。

Abstract:

To solvethe problemofloweri mage segmentationefficiencysegmentationefficiencyof thetraditional level set method,a newlevel set method for fast segmentation based on a single parameter is presented.The proposed methodi mprovesthe Chan-Vese(C-V) PDE model byaddinga penalizedenergy termandreplacingthe Dirac function withthe normof level set function gradient .The new model has the better globe opti mizationand needs not re-initialization.Besides,inthe model ,onlya parameter of the lengthtermis reservedandanevo...