基于多项水平集的图像分割算法

图像分割是图像处理中的重要问题之一，而基于模糊理论的图像分割算法是近年来得到广泛应用的技术之一。基于模糊理论的图像分割算法的基本原理和处理步骤，并结合实例进行了详细的分析和解释。通过实验证明了该算法的

为了克服基于FCM算法的图像分割技术对噪声敏感和运算效率低等缺点,利用KFCM算法对于噪声的鲁棒性质,以及模糊退火算法Metropolis准则和粒子群算法相结合的智能全局搜索能力,改进了图像分割技术。

基于量子蚁群算法的图像分割

图像分割是指将一幅图像分解成若干互不相交区域的集合,其实质是一个像素的聚类过程。本文以图像分割的聚类实质为线索,对近几年国内外最新的图像分割算法进行了综述,指出了聚类在这个领域的重要性。

针对现有无须重新初始化的变分水平集分割模型,存在对边缘模糊、对比度差等图像不是很敏感、分割效果不理想的问题,提出了一种基于核模糊聚类的变分水平集医学图像分割方法。将原始图像进行核模糊C-均值聚类,把得

清晰版本，无任何水印，提供给大家。水平集文章，原版

针对角膜内皮细胞图像非均匀光照的问题进行了研究,采用限制对比度自适应直方图均衡化、同态滤波方法进行图像增强[1]。同时提出了一种基于双向多项式拟合的的动态阈值分割算法,分别对图像矩阵的行向量和列向量进

基于Bayesian的水平集图像分割方法在遥感影像建筑物提取中的应用 论文

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

图像分割的水平集算法在Matlab上的实现代码