排序方式: 共有12条查询结果,搜索用时 39 毫秒
1.
2.
基于GFO模型的水平集分割算法 总被引:2,自引:0,他引:2
众所周知,水平集分割方法由于能克服Snake分割中所要求的初始轮廓必须与目标轮廓相近以及图像结构不应发生拓扑改变这两大难题而深受青睐。然而,其在图像分割遇到的最大困难是解决边界泄漏问题。虽然有许多研究工作均试图解决这一难题,但收获甚微,究其原因主要是:图像的梯度信息不仅被作为轮廓线运动的停止策略,同时也将为零水平集向目标轮廓运动提供吸引力。因此,其不可避免将产生边界泄漏现象。针对这一难题,本文通过采用GFO模型以提供更鲁棒的边界信息和更可靠的停止策略来构造运动驱动力,从而较好地解决传统水平集分割算法所不能解决的大部分边界泄漏难题。 相似文献
3.
4.
基于广义模糊吉伯斯随机场图像分割新算法 总被引:6,自引:0,他引:6
吉伯斯分布作为一种引入图像空间信息的先验模型已广泛运用于贝叶斯图像分割中.然而,由于传统该模型只在确定类上有定义,而在模糊类上未曾涉及,使得在运用该模型对一些模糊图像或退化图像进行处理时,分割效果不理想,甚至无能为力.该文针对这些不足,从模型本身出发,在传统的吉伯斯随机场模型中引入模糊概念,并针对实际多值分割特点,提出一种高效、无监督的广义模糊算法,从而实现对多值图像的精确分割.文中首先介绍一种二值的广义模糊吉伯斯随机场模型;然后将这种二值模型进行多值扩展,提出分段模糊与广义模糊吉伯斯两种实用的多值分割算法;最后将其运用于一系列医学图像分割.实验表明,文中提出的广义模糊分割算法比基于传统随机场的算法有更好的图像分割能力. 相似文献
5.
模拟C均值聚类(FCM)是一种非常经典的非监督聚类技术,已被广泛用于图像的自动分割.由于传统的FCM算法进行图像分割仅利用了灰度信息,而没有考虑象素的空间位置信息,因而分割模型是不完整的,造成传统FCM算法只适用于分割噪声含量很低的图像.为了克服传统FCM算法的局限性,本文利用Gibbs随机场所描述的邻域关系属性,引入先验空间约束信息,提出拒纳度的概念,建立包含灰度信息与空间信息的新聚类目标函数,继而提出基于Gibbs随机场与模糊C平均聚类的GFCM图像分割新算法.实验证明,利用本文所提GFCM算法可以有效地分割含噪声图像. 相似文献
6.
7.
8.
一种基于随机场模型的图像分割算法 总被引:2,自引:0,他引:2
本文针对多纹理图像的自身特点及Gibbs参数估计难的问题,提出一种新颖有效的迭代分割算法:“ML—MAP”法。实验表明,该算法在无需知道Gibbs参数和参数估计的情况下,能够快速合理地实现对多纹理图像的分割。 相似文献
9.
10.
传统模糊C均值的隶属度场利用了像素的单点灰度信息,有利于算法保留细节,但去噪能力较弱;而图像的Gibbs随机场较好地刻画了像素的空间分布,有利于算法去噪,但在保留细节方面较差。该文利用邻域信息,动态地判断像素可能所在的位置,对两种场的权重进行自适应调整,从而实现两种场的优势互补。实验表明,该文自适应加权算法在去除噪声的同时可以保留更多的细节。 相似文献