基于边缘检测函数尺度变换的水平集图像分割

来源 :计算机工程 | 被引量 : 10次 | 上传用户:tcrct
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对Chan-Vese模型(C-V模型)存在收敛缓慢等缺陷,给出一种基于边缘检测函数尺度变换的水平集图像分割算法。引入边缘检测函数对C-V模型进行改进,在不降低分割质量的前提下,提高图像分割的速度。为了增强改进模型的灵活性,提出对边缘检测函数进行尺度变换的方法。实验结果表明,改进模型有良好的分割效果,尺度变换能有效加快改进模型的演化速度,保持分割过程的稳定性。
其他文献
为提高本体的重用度,出现了许多本体搜索引擎。但由于其排序算法的局限性,效果都不理想。该文通过分析已有的本体排序算法,并针对排序结果与用户查询的相关性低以及检索响应时间
针对传统CV模型的分割结果易受初始曲线位置影响的问题,将传统模型与测地线模型有机结合,提出一种基于自适应局部统计量的全局优化CV模型,通过极小化能量泛函对图像进行分割,避免了收敛于局部极小的问题,采用边缘函数进行边界检测,能够较好地分割对比度较低的边界。仿真实验结果表明,与传统模型相比,该CV模型具有更高的分割精度。
在页面内使用Ajax技术与服务器通信可提高Web应用的响应速度,但Web服务器控件引起的页面刷新导致整个页面回传后,页面的视图状态处理模型并没有记录Ajax控件在页面变化之前的值