水平集图像分割中重新初始化规避的探索

• 作者: 吴亚 汪继文
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 图像分割 水平集 重新初始化 模型
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 69-71,75
• 页数: 4页
• 分类号: TN911.73
• 字数: 2278字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.09.019

摘要

水平集方法有效地解决了图像分割中曲线演化过程中的拓扑变化问题,其实质是水平集方法与模型的结合,以水平集方法来求解模型得到的偏微分方程的方法.要想约束水平集函数在迭代过程中保持为符号距离函数,保证水平集函数的稳定收敛,就必须对SDF重新进行初始化.但是每次都对SDF重新进行初始化,大大增加了计算量,浪费了宝贵的时间,从而大幅降低了曲线的演化速度.一直以来,大家在不断地改进算法,缩短每次初始化所需的时间,但收效甚微.SDF重新初始化的规避,使图像分割时曲线演化速度加快,实验结果表明这种方法是非常有效的,并且具有很强的鲁棒性.重新初始化的规避,减少了计算量,使水平集图像分割法能满足更多的生活、工业应用中的实时性要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪继文	安徽大学计算机科学技术学院	88	632	12.0	20.0
2	吴亚	安徽大学计算智能与信号处理教育部重点实验室	1	4	1.0	1.0