一种结合GVF和CV模型的水平集图像分割方法

• 作者: 刘宏申 刘恒 徐国雄 潘祥 胡小为 阮越
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 图像分割 水平集方法 CV模型 梯度矢量流
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 计算机与信息
• 页码范围: 289-294
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2016.03.017

摘要

由于CV(Chan-Vese)模型是一个非凸性泛函，对该泛函求极值只能得到局部最优解，运用该模型进行图像分割时，很难在全局范围内得到理想的结果。鉴于此，提出一种结合梯度矢量流(gradient vector flow, GVF)和CV模型的水平集图像分割方法。该方法通过GVF将边缘梯度信息扩散至整幅图像，在保留CV模型基本优点的同时，融入GVF的全局性梯度信息，从而引导CV模型在全局范围内演化至准确的目标边缘。实验结果表明，该方法的分割效果和收敛速度均明显优于传统CV模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宏申	安徽工业大学计算机科学与技术学院	41	255	9.0	14.0
2	徐国雄	安徽工业大学计算机科学与技术学院	11	46	4.0	6.0
3	阮越	安徽工业大学计算机科学与技术学院	15	113	5.0	10.0
4	刘恒	安徽工业大学计算机科学与技术学院	10	11	2.0	2.0
5	胡小为	安徽工业大学计算机科学与技术学院	1	4	1.0	1.0
6	潘祥	安徽工业大学计算机科学与技术学院	7	9	2.0	2.0