基于水平集和迭代自组织算法的图像分割

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 16-18.

基于水平集和迭代自组织算法的图像分割

吴晓红,罗代升,王正勇,陶德元

四川大学电子信息学院，成都 610064

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 吴晓红

Image segmentation method based on level set and ISODATA Algorithm

WU Xiao-hong,LUO Dai-sheng,WANG Zheng-yong,TAO De-yuan

College of Electronics and Information，Sichuan University，Chengdu 610064，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: WU Xiao-hong

摘要/Abstract

摘要： 提出了基于水平集和迭代自组织数据分析的岩心砾石图像分割方法，既可克服水平集算法伴生的图像过分割问题，也可解决迭代自组织算法产生的图像边缘飘移问题。该方法首先运用水平集算法获取目标颗粒的准确边界，运用迭代自组织算法提取目标颗粒的整体；其次将两种方法提取的图像给以迭加综合处理，克服水平集算法伴生的图像过分割和迭代自组织算法产生的边缘飘移的缺陷，进而得到既完整又边界准确的目标颗粒。该方法运用于岩心砾石图像的分割，取得了良好的效果。

关键词: 水平集, 图像过分割, 迭代自组织数据分析, 砾石图像

Abstract: A method of gravel image segmentation based on level set and iterative self-organizing data analysis technique（ISODATA） is put forward to solve over-segmentation image made by Level Set and edge bias error produced by ISODATA.Firstly，it cuts out the precise edge of goal granule with Level Set，gets the wholeness of goal granule with ISODATA.Then，the images made by the two sets of algorithm are synthetically dealt with in a way of piling-up，in order to overcome the shortcomings existing in both Level Set and ISODATA，to get whole and edge-precise goal granule.It brings about a good effect in gravel image segmentation.

Key words: level set, image over-segmentation, iterative self-organizing data analysis technique, gravel image

吴晓红,罗代升,王正勇,陶德元. 基于水平集和迭代自组织算法的图像分割[J]. 计算机工程与应用, 2007, 43(36): 16-18.

WU Xiao-hong,LUO Dai-sheng,WANG Zheng-yong,TAO De-yuan. Image segmentation method based on level set and ISODATA Algorithm[J]. Computer Engineering and Applications, 2007, 43(36): 16-18.

[1]	王南，许道云. 针对弱边缘信息的左心室图像分割算法[J]. 计算机工程与应用, 2020, 56(23): 211-219.
[2]	周晓宇，张龙波，王雷，李鑫翔. 结合谱聚类与改进RSF模型的医学图像分割[J]. 计算机工程与应用, 2019, 55(15): 193-197.
[3]	夏小刚，邓路娜，鲁珍. 改进边界指示函数的CV模型构建及应用[J]. 计算机工程与应用, 2019, 55(14): 177-181.
[4]	李钢，李海芳，赵怡，邓红霞. 修正局部极小值的局部灰度差异分割模型[J]. 计算机工程与应用, 2018, 54(8): 195-200.
[5]	陈建峡1，朱季骐1，张月1，张晓星2，吕俊涛3，白德盟3. 基于Spark的输变电线路实时故障监测研究[J]. 计算机工程与应用, 2018, 54(5): 265-270.
[6]	韩明，吴朔媚，王敬涛，孟军英. 基于改进能量泛函模型的噪声图像分割算法[J]. 计算机工程与应用, 2018, 54(23): 23-30.
[7]	黄昱1，廖祖华2，李论3. 亚BCI-代数的新型软正关联理想[J]. 计算机工程与应用, 2018, 54(21): 31-36.
[8]	孙林1，柯正友2，冯小博3，徐久成1，薛占熬1. 基于双符号压力函数的活动轮廓图像分割方法[J]. 计算机工程与应用, 2018, 54(20): 213-218.
[9]	魏霞1，2，黄宇达2，赵红专3，王迤冉4. 显著性驱动的局部相似拟合模型分割算法研究[J]. 计算机工程与应用, 2018, 54(13): 196-202.
[10]	陈飞宇1，阮鲲2，胡友彬1，曹磊3. 基于KPCA光谱特征约束的水边线提取算法[J]. 计算机工程与应用, 2018, 54(11): 171-177.
[11]	李淑玲. 基于径向基点插值的Chan-Vese模型图像分割算法[J]. 计算机工程与应用, 2018, 54(11): 193-197.
[12]	卢磊，罗晓曙. 一种改进的活动轮廓模型图像分割方法[J]. 计算机工程与应用, 2017, 53(17): 207-211.
[13]	韩红伟，冯向东. 变分水平集方法在灰度不均图像分割中的应用[J]. 计算机工程与应用, 2017, 53(14): 203-208.
[14]	顾鹏程，黄福珍. 基于改进Chan-Vese模型的电力设备红外图像分割[J]. 计算机工程与应用, 2017, 53(10): 193-196.
[15]	康永辉，戴激光，王广哲. 改进的自适应模糊ISODATA灰度图像分割算法[J]. 计算机工程与应用, 2016, 52(17): 198-202.