基于Mumford-Shah模型的圖像分割.pdf

1、隨著信息技術(shù)逐漸深入到人們的日常生活中，圖像信息已成為人們獲取的信息中的重要部分，并且如何利用、處理圖像信息變得越來(lái)越重要。圖像分割是圖像處理領(lǐng)域中重要而基本的問(wèn)題，有著重大的理論和現(xiàn)實(shí)意義。雖然人們提出了各種各樣的分割方法，但還是有某些問(wèn)題有待解決。 基于Mumford-Shah模型的水平集圖像分割方法是一種很優(yōu)秀和重要的基于變形模型的圖像分割方法。它依賴的特征是圖像里同質(zhì)區(qū)域的全局信息，所以對(duì)于一般的圖像，它具有分割快速、準(zhǔn)

2、確的優(yōu)點(diǎn)。但是在實(shí)驗(yàn)中發(fā)現(xiàn)，對(duì)于人腦的MRI(核磁共振成像)等類似圖像，以往的基于Mumford-Shah模型的水平集方法卻不能分割。 另外，在傳統(tǒng)的水平集方法中，必須要進(jìn)行復(fù)雜的水平集的重新初始化以確保水平集函數(shù)在迭代過(guò)程中保持為符號(hào)距離函數(shù)SDF，從而確?？傻玫揭粋€(gè)有效的結(jié)果。但是為了保持為SDF，通常時(shí)間步長(zhǎng)都選擇得很小，這導(dǎo)致了整個(gè)演化過(guò)程浪費(fèi)了很多時(shí)間，尤其在大幅圖像上。 本文對(duì)基于Mumford-Shah模型