基于改进局部信息的CV模型的图像分割方法.pdf
努力****采萍
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于改进局部信息的CV模型的图像分割方法.pdf
本发明公开了一种基于改进局部信息的模型的图像分割方法,主要解决现有改进CV模型分割灰度不均匀图像效果不理想和基于局部信息的模型对初始化轮廓鲁棒性较低而产生错误分割的问题。实现步骤是:输入原始图像,设置初始轮廓;设置默认参数和重要参数;结合全局灰度拟合值和改进核函数的局部灰度拟合值为新的加权目标与背景的灰度拟合值;利用引入惩罚项的CV模型的能量泛函得到梯度下降流;按水平集迭代公式演化水平集函数,通过迭代,输出分割结果。本发明有效分割灰度不均匀图像,增强了对初始轮廓的鲁棒性,更快的收敛到目标轮廓,比其他相关模
基于改进局部信息的CV模型的图像分割方法.pdf
本发明公开了基于改进局部信息的CV模型的图像分割方法,包括如下步骤:输入原始图像,计算其像素点灰度值;设置初始轮廓图像,初始轮廓图像为图像任意指定的闭合曲线所对应的图像像素点;对初始轮廓图像进行非下采样Shearlet变换,得到一幅低频缺陷图像和一组高频缺陷图像;利用PCNN方法对所述低频缺陷图像进行信息分割,得到第一缺陷图像。本发明既能考虑到图像的细节信息,又能考虑到图像的总体信息,将图像中目标分割出来,利用矢量化活动轮廓技术做进一步的分割处理,整个流程不需要人工干预,在很短的时间内用户便可得到想要的分
基于非局部CV模型的SAR图像变化检测方法.pdf
本发明公开了一种基于非局部CV模型的SAR图像变化检测方法,实现步骤包括:(1)输入同一区域不同时间的两幅SAR图像构造差异图;(2)在差异图上做矩形轮廓曲线,初始化水平集函数;(3)计算内部区域的灰度均值和外部区域的灰度均值;(4)构建基于非邻域和基于区域信息的总能量函数E;(5)通过梯度下降法最小化E更新水平集函数φ,获得新的水平集函数φ
基于非下采样轮廓波和多相CV模型的图像分割方法.pdf
本发明公开了一种基于非下采样轮廓波变换的活动轮廓模型图像分割方法。首先,通过非下采样轮廓波变换进行待分割图像的多分辨率表示;其次,建立多分辨率系数的概率模型;最后,利用基于区域的活动轮廓模型进行多分辨率系数的整合操作以达到图像分割的目的。实验结果表明,本发明的方法可以很好地进行图像的分割操作,既可以保证分割图像的全局性,又可以分割出图像的细节信息。
基于改进梯度矢量模型的红外图像分割方法.pdf
基于改进梯度矢量模型的红外图像分割方法,涉及数字图像处理领域。解决现有方法在进行红外图像分割时,存在噪声敏感,图像弱边界分割泄露,参数选择缺乏自适应性,进而导致的边缘保持与扩大捕获范围之间的失衡等问题,引入引导滤波,根据引导滤波的核函数构建边缘图;利用边缘图,构造加权函数并构建了外力函数;求取外力函数的Euler-Lagrange方程,获得最终的外力场;初始化曲线轮廓;将外力场带入到能量泛函中,求取能量泛函的Euler-Lagrange方程,离散化后采用有限差分方式进行迭代,曲线在内外里的共同作用下演化到