融入图像全局信息的局部图像拟合模型

您当前的位置：

首页 >

文章列表页 >

融入图像全局信息的局部图像拟合模型

信息光学与图像处理 | 更新时间：2025-09-01

- 融入图像全局信息的局部图像拟合模型
- Local image fitting model fused with global image information
- 光学技术 2013年39卷第5期页码：466-471
- 作者机构：
  
  1:燕山大学信息科学与工程学院
- 作者简介：
- 基金信息：
  
  河北省自然科学基金(F2010001294)资助项目
- DOI：10.13741/j.cnki.11-1879/o4.2013.05.016
  中图分类号：
- 纸质出版：2013
- 稿件说明：
移动端阅览
陈书贞, 甄延海. 融入图像全局信息的局部图像拟合模型[J]. 光学技术, 2013,39(5):466-471.

Local image fitting model fused with global image information[J]. 2013, 39(5): 466-471.
陈书贞, 甄延海. 融入图像全局信息的局部图像拟合模型[J]. 光学技术, 2013,39(5):466-471. DOI： 10.13741/j.cnki.11-1879/o4.2013.05.016.

Local image fitting model fused with global image information[J]. 2013, 39(5): 466-471. DOI： 10.13741/j.cnki.11-1879/o4.2013.05.016.

为提高局部图像拟合(LIF)模型对初始轮廓的鲁棒性

提出了一种新的融合图像全局和局部信息的活动轮廓模型(LIF_GI模型)。针对灰度均匀图像

利用图像的全局均值构建了全局图像拟合(GIF)模型

结合GIF模型和LIF模型的优势

通过构造新的图像拟合函数构建了LIF_GI模型。为避免对水平集函数进行繁琐的重新初始化操作

使用反应扩散(RD)方法实现水平集演化。实验表明

所构建的GIF模型在灰度均匀图像上能够获得满意的分割结果

且容许灵活的轮廓初始化。在分割灰度不均匀图像时

LIF_GI模型有效地降低了LIF模型对初始轮廓的敏感性

与LIF模型相比

LIF_GI模型又表现出迭代次数少、检测速度快的优势。

浏览量

165

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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

基于多个密集连接型2D-CNNs的脑胶质瘤MRI三维分割

基于聚类算法的血管直径测量研究

一种眼底黄斑水肿OCT图像分割方法