摘要：为了提高chan-vese(CV)模型对椒盐噪声的鲁棒性,提出一个结合L1拟合项的CV模型.首先采用L1拟合和L2拟合的线性组合构造一个新的拟合项,然后通过调整这2个拟合的权重以提升该模型对不同噪声图像分割的灵活性,最后利用交替迭代算法对模型进行求解.采用被不同噪声污染的人造图像和自然图像进行实验的结果表明,该模型对噪声图像可以取得较好的分割结果,并且对于椒盐噪声污染图像的分割,比CV模型、LBF模型和VFCMS模型更具优势.

摘要：活动轮廓模型是近年来最成功的分割模型之一。但由于SAR图像存在较强的斑点噪声,使用传统的chan-vese模型水平集分割方法会产生很多误分割。因此,需要对传统chan-vese模型进行改进,将非凸的chan-vese模型转换为凸优化问题,得到chan-vese模型的全局极小解。对凸优化chan-vese模型引入边缘检测算子,得到基于边缘和区域信息的全局极小解chan-vese模型。在水平集演化迭代过程中,引入一个新的迭代终止条件,可以敏感地判断演化曲线的变化幅度,根据设定条件,自动的停止迭代计算。针对合成图像和真实SAR图像进行分割实验,实验结果表明,提出的改进chan-vese模型能够快速、准确地提出图像中感兴趣目标,并具有较强的抗噪性。

摘要：基于隐式曲面的水平集表达、隐式曲面上的内蕴梯度概念和图像分割的标记函数方法,建立了隐式曲面上多相图像分割的水平集模型,并设计了相应的Split Bregman方法.首先,将分段常值与光滑平面图像两相分割的chan-vese模型推广到隐式曲面上图像分割的变分水平集模型,并根据图像分割的二值标记函数和凸松弛的概念将该模型转化为全局凸优化的极值问题;然后借助n-1个水平集函数划分n个区域的区域特征函数,将隐式曲面上两相图像分割变分模型推广到了多相图像分割,并利用凸优化方法将该模型的变分问题松弛为一系列凸子优化过程.通过引进辅助变量和Bregman迭代参数设计的Split Bregman方法,将每个子优化问题转化为简单的Poisson方程求解和解析的软阈值公式.数值算例结果表明,文中方法在计算效率方面要优于传统的方法.

摘要：为了改善活动轮廓模型的分割精度和效率,提出一种基于核函数的活动轮廓模型.该模型采用鲁棒的非欧氏距离度量构造能量泛函,提高了模型的分割精度;使用指数类型的核特征函数来提升收敛速度;最后在模型中还加入了水平集正则项,以避免水平集的重新初始化.实验结果表明,文中模型在分割精度和分割效率上都要强于chan-vese模型.

摘要：为获取保留图像信息较完好的差异图并得到更好的变化检测结果,提出一种基于自适应脉冲耦合神经网络(PCNN)和改进chan-vese(C-V)模型的非监督的不同时相遥感图像的变化检测算法。用差值法、比值法对两幅遥感图像进行差异图获取;用自适应PCNN图像融合算法对两幅差异图进行融合,获取保留图像信息较好的差异图;用基于改进C-V模型的分割算法对融合后的差异图进行分割,得到变化检测结果图。实验结果表明,该算法具有很好的变化检测效果,总检测精度较高。

摘要：针对利用传统瞬时水边线提取方法处理高分辨率遥感影像存在提取结果不连续、效率不高和无法同时提取多片水域等问题,提出了一种顾及轮廓信息和距离正则化水平集演化(distance regularized level set evolution,DRLSE)模型的遥感影像瞬时水边线快速提取方法,并将其应用于福建泉州附近海域瞬时水边线提取。首先,使用DRLSE模型提取地物轮廓信息,以解决经典阈值方法水边线提取结果不连续问题;其次,利用DRLSE模型的初始矩形轮廓中心位置和周长信息,对噪声点等轮廓进行自动剔除,并提取多片水域,以提高瞬时水边线提取后处理效率。研究结果表明:相较于泛洪算法、Canny算子和CV(chan-vese)模型,应用本方法进行大陆海岸线瞬时水边线提取更高效,且提取结果连续、精度更高。

摘要：在现代科技社会中,随着数字图像处理技术的高速发展,图像分割和物体边缘检测被广泛应用于医学领域,军事领域,公共防卫领域,计算机视觉领域及农业气象领域.在本文中,基于经典的chan-vese (CV)模型,介绍一个含有L1范数数据拟合项和二阶正则项(TV2)的分段常数图像边缘检测模型.新模型利用一个高阶正则函数对目标函数进行惩罚,将其作为新目标函数的一个约束,使得该模型能够分割和检测低对比度,并且含有外加噪声的图像.理论上,我们在大胆合理的假设下,给出该模型的部分收敛性分析.计算方面,我们通过研究新模型的理论可解性,关于该模型的数值实现方面,应用ADMM算法对该模型进行数值求解,从而设计一种新的求解方式,并用灰度图像和真实图像做大量的数值实验,并和原始CV模型进行对比,得出的实验结果表明,该模型的许多优点在各领域具有广泛应用价值.