基于改进C-V模型的图像分割算法

摘要

Chan-Vese模型是一个基于区域的几何活动轮廓模型.它能较好的改善基于边缘信息模型的边缘泄露、抗噪能力差等问题,但是演化速度太慢,对目标和背景灰度差较小的图像分割效果不好,而且也处理不了低对比度和模糊边界的复杂图像.因此,本文就此问题提出改进.首先引入图像增强算子,它可以扩大目标和背景的灰度差,改善图像的分割效果和速度.由于C-V模型仅考虑了图像各区域的均值信息而没有考虑图像的局部信息,尽管其能得到图像的分割结果,但是存在分割误差.因而将移动因子引入到改进C-V模型.并且在此基础上,引入惩罚项,避免水平集函数在演化过程中重新初始化.实验表明:本方案不仅可以增大目标和背景的灰度差,能够处理对比度较低,模糊边界的图像,而且大大提高了C-V模型的收敛速度和分割精度.在实际应用中具有很强的应用价值.