距离保持水平集演化模型的快速实现算法

摘要

针对梯度下降法收敛性较差、对局部极小值比较敏感的问题,提出一种改进NAG算法,并以此替换距离保持水平集演化(DRLSE)模型中的梯度下降算法,进而得到一个基于NAG的图像快速分割算法.首先,给出初始水平集演化方程;其次,用改进NAG算法计算梯度;最后,对水平集函数进行不断更新,从而避免水平集函数陷入局部极小值.实验结果表明,与DRLSE模型中的原算法相比,所提算法迭代次数减少了约30％,CPU运行时间减少了30％以上.该算法实现简单,能够对实时性要求较高的红外图像、医学图像进行快速、有效的分割.