论文部分内容阅读
对Chan-Vese提出的基于简化Mum ford-Shah模型的水平集图像分割方法(C-V模型)做了改进.传统的C-V模型仅将灰度同质(homogene ity)作为区域分离准则,这使其对于对比度明显的图像能够取得很好的分割结果,但单一的分离准则往往致使其在分割噪声信息丰富的、灰度分布复杂的医学、遥感以及自然图像等时产生大量的冗余轮廓.为此,本文在改善C-V模型全局优化特性的基础上,整合图像的灰度分布信息、邻域空间信息以及图像所固有的模糊信息构造三维向量(灰度值、模糊均值和模糊中值),提出了一种基