共查询到17条相似文献,搜索用时 46 毫秒
1.
基于改进Chan-Vese模型的图像分割 总被引:1,自引:0,他引:1
目前基于水平集的图像分割方法很难给出基于全局极值的算法终止条件,而大多采用事先设定迭代次数的方法。本文提出了一种改进的Chan-Vese模型,通过添加水平集函数约束项,使得新模型抑制了水平集函数的取值范围,最终收敛至全局极值,并以此作为算法终止条件,无需事先设定迭代次数。实验结果表明,新模型在其终止条件下,分割结果正确,与传统Chan-Vese模型相比,新模型的收敛速度快3~6倍,且通用性更强。 相似文献
2.
3.
4.
利用Chan-Vese模型,对多相位图像实现了串行分层分割。首先得到目标和背景2个子区域,然后判断各子区域内部是否仍包含有感兴趣的目标,如果有,则对该子区域再次采用Chan-Vese模型进行分割,如此迭代直到分割出图像中所有的目标。较之采用Mumford-Shah模型,本文方法计算简单,而且对多相位图像中的目标定位准确,每一层分割都可以得到有意义的区域。实验表明,本文方法可以有效、准确地实现对多相位图像的分割。 相似文献
5.
针对C-V模型对灰度不均匀的图像分割效果不理想的情况,提出一种改进的C-V模型.该模型在C-V模型的基础上,引入非加权的邻域平均和局部窗口方差概念,加快并精确了C-V模型的演化效果,同时在C-V模型的能量函数中加入惩罚项,使得C-V模型在演化过程中无须重新初始化,进一步提高了分割速度.仿真实验结果表明改进的C-V模型较原模型对灰度不均匀图像分割具有较好的分割效果. 相似文献
6.
7.
红外技术能有效地检测电力设备过热缺陷,具有远距离、不接触、不取样、准确、快速、直观等特点.传统的电力设备故障红外人工诊断耗时、耗力,而针对人工诊断不足提出的智能诊断其难点之一在于能否较好的获得感兴趣区域(ROI,Region of interest).红外图像具有强度集中、对比度低等性质,常用的分割算法用于电力设备红外图像ROI获取,其结果往往是过分割.针对过分割难点,本文提出一种基于FAsT-Match算法的电力设备红外图像分割方法.首先,运用FAsT-Match算法在可见光图像中近似模板匹配,然后在红外与可见光图像之间通过近似仿射变换找到目标在红外图像中的近似区域,最后用分割算法对近似区域分割.实验结果表明,提出的方法能够较好地解决电力设备红外图像过分割问题. 相似文献
8.
由于Chan-Vese(C-V)模型通过单个水平集的符号将待分割图像划分为目标和背景两个部分,所以当图像的多个目标的轮廓成多连接时,C-V模型将无法表示.为了解决C-V模型在表示目标轮廓上的局限,提出了基于C-V模型的树形结构多相水平集算法.关键策略是通过改变图像背景,使得水平集在新图像上重新收敛;核心技术是依据同时明度对比提出的背景填充技术;算法流程采用多水平集串行收敛方式实现多相分割(n-1次收敛可以实现n相分割,n>1).实验结果表明,本算法可以表示复杂的区域连接情况(n相分割最多可以表示n连接情况),能够实现多目标分割(n相分割可以实现n-1个目标分割),特别适合于目标中含有子目标的图像. 相似文献
9.
飞机的红外图像分割算法 总被引:1,自引:0,他引:1
本文针对飞机的红外图像的特点,提出了一种图像分割算法.首先采用整体与局部相结合的方法,在整体阈值的基础上,进行局部的适度调整,以达到最优阈值,使图像的分割在保持整体最优的基础上突出局部令人感兴趣的细节.然后利用数学形态学,针对目标内部的空洞区域进行填充.仿真结果表明,最后可以得到比较精确的分割图像. 相似文献
10.
11.
12.
13.
14.
针对斑点鬣狗优化算法(spotted hyena optimizer,SHO)容易陷入局部最优解、求解质量低等缺点,本文提出使用Lévy飞行和单纯形搜索算法改进SHO(spotted hyena optimizer based on simplex method and Lévy flight, Lévy_SM_SHO)。将Lévy_SM_SHO与Lévy飞行斑点鬣狗优化算法(spotted hyena optimizer based on Lévy flight, Lévy_SHO)、单纯形搜索斑点鬣狗优化算法(spotted hyena optimizer based on simplex method, SM_SHO)和SHO在测试函数上结果进行对比,实验证明改进算法能够取得较好的优化结果。并将Lévy_SM_SHO算法用于红外图像阈值分割问题,通过与粒子群算法(particle swarm optimization, PSO)分割结果对比,证明Lévy_SM_SHO算法能够取得较好的阈值分割结果。 相似文献
15.
针对电力设备红外图像分割效果受非均匀背景和噪声干扰等因素影响的问题,提出了一种基于粒子群优化方法的Niblack设备红外图像分割算法.采用类间方差作为粒子群算法的适应度函数,自动搜寻Niblack法中图像不重叠矩形邻域的最优分割阈值,并将其用于图像的二值化分割,从红外图像中提取出设备的目标区域.实验结果表明:该分割算法与传统的Otsu等算法相比效率更高,且误分率(ME)减少了14%~78%.鲁棒性分析表明,本算法对含较大噪声密度的红外图像分割性能优于其他传统算法,从而有效提高了电力设备红外图像分割精度与效率. 相似文献
16.