一种基于Chan-Vese模型的无监督图像分割方法

摘要

本发明提出一种基于Chan‑Vese模型的无监督图像分割方法，属于计算机应用技术领域及精准医疗领域。本发明首先对原始图像进行裁剪，并对裁剪图像进行超像素分割，然后，根据超像素分割结果建立无向图，将Chan‑Vese模型的能量项用边的权重表示，通过使用马尔科夫链，可以在边的赋值过程中同时考虑超像素之间的距离和灰度的关系。最后通过重复使用最大流分割以及更新边的权重可以得到相应的分割结果。本发明可在缺少标注数据的医学领域里对图像进行自动的精准的分割，从而为后续的医学研究提供分割物体的准确信息。本发明能够在更短的时间以及更少的人工干预下准确地分割出所需目标。