基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
CV模型是一种重要的图像分割模型,本文针对其收敛速度慢、效率低的缺点提出一种求解CV模型的新方法.首先将CV模型的能量泛函改写成与原来有相同稳定解的总变分公式形式,然后使用对偶公式法求总变分公式的极小值,再在其中引入一速度项以加快模型的收敛速度.新方法一方面克服了梯度下降法要求时间步长小、迭代次数多的缺点,经过较少次的迭代就能收敛,减少了迭代计算的次数;另一方面,引入的速度项能够减少每次迭代的时间,从而缩短求解模型的时间.速度项的引入同时减少了对梯度的依赖,增强了抗噪性.另外,可以通过调节速度项得到不同数目的同质区域,以适应相同图像不同分割任务的需求.实验结果表明本文方法是有效的.
推荐文章
基于改进CV模型的图像分割算法
图像分割
改进型CV模型
曲线驱动力
L1范数能量泛函
分割效率
数据计算
一种基于Snake模型的脑部CT图像分割新算法
CT图像
图像分割
边缘检测
Snake模型
一种结合GVF和CV模型的水平集图像分割方法
图像分割
水平集方法
CV模型
梯度矢量流
基于分数阶CV模型的木材缺陷图像分割算法
分数阶
CV
PCA
木材缺陷图像
图像分割
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种新的基于CV模型的图像分割算法
来源期刊 信号处理 学科 工学
关键词 CV模型 水平集 总变分 对偶公式
年,卷(期) 2010,(12) 所属期刊栏目
研究方向 页码范围 1852-1857
页数 分类号 TN911.7
字数 2776字 语种 中文
DOI 10.3969/j.issn.1003-0530.2010.12.014
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (19)
同被引文献  (15)
二级引证文献  (32)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(9)
  • 引证文献(8)
  • 二级引证文献(1)
2013(4)
  • 引证文献(1)
  • 二级引证文献(3)
2014(17)
  • 引证文献(4)
  • 二级引证文献(13)
2015(4)
  • 引证文献(0)
  • 二级引证文献(4)
2016(6)
  • 引证文献(2)
  • 二级引证文献(4)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
CV模型
水平集
总变分
对偶公式
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
总被引数(次)
32728
论文1v1指导