水平集分割方法（分割轮廓）

自己对图像分割方法的总结，参考了多篇文献，有各种方法的基本原理和比较

图像分割方法的综述，分别基于区域基于边界基于特定理论

Kmean image segmentation method

程序对bmp影像实现多种图像分割方法，编译通过，能够得到很好的处理效果。

语义分割 这是一个使用从Unreal Engine获得的综合数据集进行语义分割的小项目。 任务是使用插件从Unreal Engine创建合成数据集并识别图像中的对象。 数据集由RGBD(RGB +深度

水平集进化 (LSE) 是一种轮廓提取和对象分割方法，其主要缺点是需要重新初始化步骤，以消除提取出的物体边界的规则性。LSE 要求定期重新初始化水平集，以基于距离准则对它们进行调整。

有三个水平集函数的MS模型(改进的CV模型),理论上最多可分割8个区域。test_multiphase.m文件可以直接运行。

水平集方法的诞生有效解决了以前算法不能解决的在曲线演化过程中的拓扑变化问题，其核心是利用水平集这一数学理论来对能量函数进行极小值求解的曲线演化过程，通过求解极小值最终获取目标轮廓从而达到图像分割的目的

针对测地线主动轮廓（GAC）模型容易产生边界泄露且对初始位置敏感及局部图像拟合（LIF）模型容易陷入局部极小的问题，提出融合边缘与区域模型的水平集算法。通过设置权值，该算法能自适应地调整GAC模型和L

Chan_Vese模型下的复合多相水平集图像分割_翁晓光