结合灰度变换的Chan-Vese模型

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (23): 157-158.

• 图形、图像、模式识别 • 上一篇下一篇

结合灰度变换的Chan-Vese模型

罗德芳1，2，何传江1，原野1

1.重庆大学数学与统计学院信息与计算科学系，重庆 401331
2.重庆师范大学，重庆 400700

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-11 发布日期:2011-08-11

Chan-Vese model with gray level transformation

LUO Defang1，2，HE Chuanjiang1，YUAN Ye1

1.Department of Information and Computing Science，College of Mathematics and Statistics，Chongqing University，Chongqing 401331，China
2.Chongqing Normal University，Chongqing 400700，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-11 Published:2011-08-11

摘要/Abstract

摘要： 幂变换和负片变换是图像增强中频繁使用的两种基本的灰度变换。该文把这两种灰度变换与Chan-Vese模型进行结合，以提高Chan-Vese模型的分割速度和效果。实验表明：该方案大大提高了Chan-Vese模型的收敛速度，而且也使Chan-Vese模型具有较好的处理直线和尖角的能力。

关键词: 图像分割, 活动轮廓模型, Chan-Vese模型, 幂变换, 负片变换

Abstract: Power-law transformation and negative transformation are two basic types of gray level transformations that are used frequently for image enhancement.This paper incorporates the two transformations into the well-known Chan-Vese model to raise the performance of Chan-Vese model in terms of segmentation speed and quality.By practical experiments，it is verified that new Chan-Vese model has faster convergence than Chan-Vese model，and exhibits certain capability of handling straight edges and corners.

Key words: image segmentation, active contour models, Chan-Vese model, power-law transformation, negative transformation

罗德芳1，2，何传江1，原野1. 结合灰度变换的Chan-Vese模型[J]. 计算机工程与应用, 2011, 47(23): 157-158.

LUO Defang1，2，HE Chuanjiang1，YUAN Ye1. Chan-Vese model with gray level transformation[J]. Computer Engineering and Applications, 2011, 47(23): 157-158.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.

结合灰度变换的Chan-Vese模型

Chan-Vese model with gray level transformation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics