论文部分内容阅读
超声相控阵无损检测图像中往往含有大量的噪声且灰度不均匀,严重降低了超声相控阵图像质量。在采用常规方法分割超声相控阵NDT图像时,往往陷入局部最优解,无法获得准确的边界信息。基于LCV模型和改进的GAC模型,提出一种新的分割方法,结合图像全局信息、局部信息和梯度信息构造了新的能量函数约束轮廓曲线的演化,并结合梯度信息与局部信息提出了一种新的边缘停止函数,引入新的边缘停止函数使模型的抗噪性更强。实验结果表明,该模型能够处理灰度不均匀图像,且对初始轮廓和噪声不敏感。与以往算法相比,可有效避免陷入局部最优解。