图像分割新方法:测地线投票与变形虫活动轮廓
1. 测地线投票与树结构分割
1.1 测地线投票原理
测地线投票是一种有效的图像分割方法,可用于近似树结构的定位。通过计算从最远点到树根的测地线,能得到测地线密度。对测地线密度进行阈值处理后,可获得投票树,它大致表示了目标树结构的中心线。
- 示例说明 :在合成树的示例中,首先展示了合成树的图像,标记出树根;接着确定最远点集合;最后提取从最远点到树根的测地线。后续还展示了测地线密度、阈值处理后的测地线密度以及阈值变化对重叠率的影响。
1.2 无边缘活动轮廓模型
Chan 和 Vese 提出的无边缘活动轮廓模型,适用于分割边界信息较差的图像。该模型是 Mumford 和 Shah 泛函的分段常数近似,其能量函数如下:
[
V(\varphi, c_1, c_2) = \int_{\Omega} \left( \lambda_1 (u_0 - c_1)^2 H_{\epsilon}(\varphi) + \lambda_2 (u_0 - c_2)^2 (1 - H_{\epsilon}(\varphi)) + \mu \delta_{\epsilon}(\varphi) |\nabla \varphi| + \nu H_{\epsilon}(\varphi) \right) dx
]
其中,(\varphi) 定义边界为其零水平集,(\Omega) 是图像域,(u_0) 是给定的图像函数,(\lambda_1)、(\lambda_2)、(\nu) 和 (\mu) 是正参数,(c_1) 和 (c_2) 是用于将图像分为两个常强度
超级会员免费看
订阅专栏 解锁全文
9006

被折叠的 条评论
为什么被折叠?



