图像分割的自适应快速水平集演化模型

摘要

在图像分割优化的过程中,为避免传统水平集方法的重新初始化,针对采用无需重新初始化水平集演化模型存在的对轮廓初始化敏感、收敛速度不够快等缺点、首先定义一个均值滤波的可变权系数,并用来替换原模型中面积项的常值权系数,进而得到一个图像分割的自适应快速水平集演化模型.可变权系数在目标内外具有相反符号,使得曲线在演化过程中可以根据图像信息自适应地决定向内或是向外运动,从而允许任意位置定义初始轮廓.实验结果表明,所提模型对轮廓初始化不敏感,而且能够快速分割图像,如对于二值图像一次迭代便可以得到图像分割优化效果.