文献类型：期刊文章

作　　者：陈乔松[1] 冉会琼[1] 闫亚星[1] 刘晓[1] 周冰玉[1] 卢大强[1] 董师周[1] 王进[1] 邓欣[1]

CHEN Qiaosong;RAN Huiqiong;YAN Yaxing;LIU Xiao;ZHOU Bingyu;LU Daqiang;DONG Shizhou;WANG Jin;DENG Xin(Chongqing Key Laboratory of Computational Intelligence,Computer Science and Technology,Chongqing University of Posts and Telecommunications,Chongqing 400065,P.R.China)

机构地区：[1]重庆邮电大学计算机科学与技术学院计算智能重庆市重点实验室,重庆400065

出　　处：《重庆邮电大学学报（自然科学版）》

基　　金：重庆市研究生科研创新项目(CYS14147);国家自然科学基金(61403054);重庆市基础与前沿研究计划(cstc2014jcyj A40001)~~

年　　份：2018

卷　　号：30

期　　号：2

起止页码：257-264

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了充分挖掘图像内不同区域间的隐含关联性,并解决图像分割中自适应阈值选择问题,提出了一种基于数据场和水平集的图像分割方法。利用数据场能够有效地表示图像像素间的相互作用,根据势值能够得到对应的势值等势线,可以根据该等势线的分布情况,采用梯度下降法来得到图像的二值化分割结果。为了得到更为精确的分割边缘,还引入基于拉普拉斯边缘检测函数的水平集演化方法来对二值化结果进行边缘曲线演化。将二值化分割结果与传统的基于数据场的图像分割算法对比结果显示,所提出的算法在分割准确性上表现良好,并且能够使得图像边缘更加精确。实验结果表明,提出的方法能够较好地分割目标,且对噪声图像具有较强的鲁棒性。

关 键 词：数据场 自适应阈值 水平集

分 类 号：TP391.4]