水平集主动轮廓图像分割

fastalgorithmforlevelsetsegment

为了解决视频序列中对象的跟踪问题,本文在对于Snake活动轮廓模型改进的基础上,提出了基于Snake活动轮廓模型的视频跟踪方法。本方法采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,可

针对甲状旁腺超声图像灰度分布不均匀、甲状旁腺病灶多样化的特点,利用图像全局和局部信息,采用基于图像局部熵的混合水平集模型进行甲状旁腺超声图像分割。针对不同超声图像灰度分布差异大的难题,利用图像局部熵确

由于合成孔径雷达(SAR)图像易受相干斑噪声的影响,光学图像的分割方法并不适用于SAR图像,更不能获得精确的分割结果对比,因此,首先基于G0A统计模型定义能量映射函数以代替像素值进行后续处理,减小相干

给出了一种结合先验形状统计信息的Mumford-Shah模型的水平集实现方法。结合形状统计的水平集图像分割主要包括先验形状模型的构造和形状能量项的构造，针对这两个主要方面做了如下两点工作：（1）提出了

基于C-V模型的水平集图像分割方法，并提供了附带matlab代码的实现。C-V模型是一种基于曲率流的方法，能够有效地处理具有复杂边界的图像，例如医学成像和自然图像。该方法的实现步骤和注意事项，并提供了

基于Mumford-Shah模型的水平集图像分割算法，能够很好的检测出物体内部的空洞并且收敛迅速

体积数据的无监督分割仍然是一项艰巨的任务。 最近,水平集方法受到了广泛的关注,该方法将全局平滑度与拓扑更改的灵活性相结合,并提供了优于常规统计分类的显着优势。 但是,由于许多迭代,所以级别集方法的计算

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。

DRLSE图像分割:距离正则化水平集演化及其在图像分割中的应用