一种结合GVF和CV模型的水平集图像分割方法

摘要

由于CV(Chan-Vese)模型是一个非凸性泛函,对该泛函求极值只能得到局部最优解,运用该模型进行图像分割时,很难在全局范围内得到理想的结果。鉴于此,提出一种结合梯度矢量流(gradient vector flow,GVF)和CV模型的水平集图像分割方法。该方法通过GVF将边缘梯度信息扩散至整幅图像,在保留CV模型基本优点的同时,融入GVF的全局性梯度信息,从而引导CV模型在全局范围内演化至准确的目标边缘。实验结果表明,该方法的分割效果和收敛速度均明显优于传统CV模型。