步骤4使用节点同一化算法化L′′i和Lo为源点和汇点。步骤5运用图割方法进行一步分割,得到最终分割曲线L。
3.2水平集模型的选择
算法第二步是独立使用水平集方法对轮廓线进行演化,
所以,可灵活选用适合图像特征的水平集模型。文献[11]介绍了常见的几种水平集模型。本文实验采用Li等人在文献[3]中提出的无需重新初始化的水平集方法。由于无需重新初始化,因此演化速度快。
3.3迭代终止条件、阈值的设定
算法第三步中判断水平集演化是否结束是一个重要步骤,即阈值α的设定。其原则是判断轮廓曲线是否已靠近目标边界,而靠近目标边界的特征是轮廓线随着迭代进行的变化趋于稳定。此时两条曲线之间的窄带也较窄。判断曲线演化是否稳定的指标较多,例如曲线的长度变化、曲线所围区域的面积变化等。本文算法采用后者。实验表明α设定为目标大小的10-3到10-4倍为宜。
4实验结果与分析
运用上述方法,分别对合成图像、灰度图像和含有噪声的医学MR图像进行分割。实验平台为:WindowsXPSP3Pro-fessional,Matlab2009b,IntelE7300,2GBRAM。为了将传统水平集方法与本文方法对比,两者的水平集参数设置均相同。
图2(a)是一幅234×280的合成图像,具有明显的凹陷特征。单独使用GCBAC方法分割时难以深入到凹陷部分(图2b))。使用水平集方法时,迭代320次的分割结果如图2(c),用时19.2412s。而使用本文方法时,设定阈值α=18,分割结果如图2(d),用时17.7175s,比水平集方法省时7.9%。
(a)一幅合成(b)GCBAC算法(c)水平集方法
(d)本文方法图像
分割结果分割结果
分割结果
图2






一幅合成图像的分割对比
图3是一幅197×167的灰度图像。其中(a)图为原图像。b)为用水平集演化时的初始轮廓线。(c)为进行400次迭代后的分割结果,用时14.3203s。可以看出轮廓线仍没有进入到指缝间深处。(d)为本文方法分割时的初始轮廓线。阈值α=29时,本文方法中水平集迭代了193次(如图(e))。(f)为最终分割结果。整个分割用时11.9163s。省时16.79%。而且轮廓线已深入到指缝间的深处,分割效果更优。
图4是一幅211×225的医学MR图像。其中(a)图为原图像。(b)为用水平集分割时的初始轮廓线。(c)为迭代600次迭代后的分割结果,用时15.9836s。可以看出轮廓线停留在局部最优解上。(d)为本文方法分割时的初始轮廓线。阈值α=30时,本文方法中水平集迭代了298次(如图(e))。(f)为最终分割结果。整个分割用时14.0211s,省时12.3%。
5结语
水平集方法能适应曲线的拓扑变化,但它的迭代过程计算量大。而GCBAC图割算法由于只计算“窄带”内的像素,因
(a)一幅灰度图像
(b)初始轮廓线位置
(c)400次迭代后结果
(d)本文方法初始
(e)193次迭代结果
(f)本文方法最终结果
曲线位置
图3






一幅灰度图像的分割对比(a)一幅医学MR
(b)水平集方法(c)600次迭代后
图像
初始曲线位置
结果
(d)本文方法初始
(e)298次迭代后
(f)本文方法曲线位置
结果
最终结果
图4
一幅医学MR图像的分割对比
而效率极高。但窄带不能过宽,且不能深入到凹形目标中。本文提出的基于图割和双水平集的图像分割算法,比传统水平集方法分割效率高,而且能适应凹形目标。也为终止水平
集的迭代过程提供了一种思路。该方法可灵活结合不同的水平集模型和图割算法,以提高其分割效果和性能,具有良好的可扩展性。
参考文献:
[1]OsherS,SethianJ.Frontspropagatingwithcurvaturedependent
speed:algorithmsbasedtheHamiltonJacobiformulation[J].Jour-nalofComputationalPhysics,1998,79(1):12-49.
[2]AdalsteinssonD,SethianJA.Fastlevelsetmethodforpropagat-inginterfaces[J].JournalofComputerPhysics,1995,118(2):269-277.[3]LiChunming.Levelsetevolutionwithoutre-initialization:anew
variationalformulation[C]//IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition,2005.
[4]WuZ,LeahyR.Anoptimalgraphtheoreticapproachtodataclus-tering:theoryanditsapplicationtoimagesegmentation[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,1993,15(11):1101-1113.
[5]KolmogorovV,ZabihR.Whatenergyfunctionscanbeminimized
viagraphcuts?[C]//ProceedingsofEuropeanConferenceonCom-puterVision,2002:




65-81.
(下转201页)
((
Cmueniergadplain 计算机工程 与应用 optEgnei Apitsrnnco 一 种结合图割与双水平集的图像分割方法 杨建功, 汪西莉 YANGingngⅥ,G l Jao.ANXii 陕西师范大学 计算机...
融合形状先验的向量CV模型图像分割算法_王万玉_杨建功_汪西莉_数学_自然科学_...一种结合图割与双水平集的图像分割方法[J].计算机工程与应用.2012,48 (3)...
融合形状先验的向量CV模型图像分割算法_王万玉_杨建功_汪西莉_数学_自然科学_...一种结合图割与双水平集的图像分割方法[J].计算机工程与应用.2012,48 (3)...
热门文档