基于区域进化的区域增长图像分割

您当前的位置：

首页 >

文章列表页 >

基于区域进化的区域增长图像分割

成像系统与图像处理 | 更新时间：2025-09-01

- 基于区域进化的区域增长图像分割
- Fast region growing optimal image segmentation method based on region evolution
- 光学技术 2006年32卷第S1期页码：482-484
- 作者机构：
  
  1. 1:燕山大学通信电子工程系
  2. 2:北京大学视觉与听觉信息处理国家重点实验室
- 作者简介：
- 基金信息：
  
  河北省科学技术研究与发展基金资助项目(Z2005310);2005年北京大学视觉与听觉信息处理国家重点实验室开放基金资助项目(0507)
- DOI：
  中图分类号：
- 纸质出版：2006
- 稿件说明：
移动端阅览
徐爱霞, 胡正平, 谭营. 基于区域进化的区域增长图像分割[J]. 光学技术, 2006,32(S1):482-484.

Fast region growing optimal image segmentation method based on region evolution[J]. 2006, 32(S1): 482-484.
徐爱霞, 胡正平, 谭营. 基于区域进化的区域增长图像分割[J]. 光学技术, 2006,32(S1):482-484. DOI：

Fast region growing optimal image segmentation method based on region evolution[J]. 2006, 32(S1): 482-484. DOI：

为克服经典区域增长算法中门限选择困难、分割稳定性不高与串行处理速度慢的不足

提出了基于区域进化的快速区域增长图像分割算法。引入了新的区域能量表示模型

并给出了迭代进化形式。在区域增长过程中

逐渐增加区域增长的门限

通过对能量函数的动态优化来逼近最佳分割结果。仿真实验表明

该方法能有效地避免经典区域增长算法中门限选择的困难

采用区间连通处理技术代替单一像素串行迭代处理方式

可使分割速度提高十多倍。

浏览量

343

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高斯混合模型的多区域并行增长图像分割算法

支持向量学习并行区域增长结合活动轮廓模型的图像分割算法

深浅交错式特征融合的人体图像分割方法

基于小波变换和残差网络的磁共振影像分割方法

基于聚类算法的血管直径测量研究