一种基于DWT的快速C-V模型图像分割方法

摘要

We propose an efficient C-V model based on wavelet transform to speed up the C-V model evolution. The image is decomposed into the downsizing and approximation sub-image with DWT. Then the sub-image is pre-segmented with C-V model to get an approximation curve in a short time. In order to get a fine segmentation, the original image is segmented subtly using C-V model again, of which the initial curve is reconstructed by the result of pre-segmentation. The experimental results validate the effectiveness and feasibility of our method.%目的 提高C-V模型的演化速度,使其在工程实际中得到广泛应用.方法 将离散小波变换(DWT)与C-V模型相结合,实现图像快速分割.利用DWT将图像进行多分辨率分解,得到低频近似子带图像；对该子带图像进行C-V模型预分割,得到小尺寸的水平集函数；将该水平集函数进行小波重建后作为细分割的初始水平集函数,在原图像上进行C-V模型细分割,得到精细的分割结果.结果 对目标具有弱边缘、拓扑结构变化以及目标和背景具有不同纹理结构的多种类型图像进行的分割对比实验.快速算法极大地缩短了演化时间,显著提高了C-V模型进行图像分割的速度.而且图像尺寸越小,模型分割图像的时间越短.可以得到与经典C-V模型具有同等精度的分割结果.结论 笔者算法在不降低分割精度的同时,显著提高了C-V模型的演化速度,同时又确保了分割精度.