文档介绍：为了提高传统C-V模型的收敛速度并降低其对噪声的敏感性，提出基于全散度的C-V模型及其快速阈值分割算法。将Bregman散度与全散度统一获得新的全散度，并将其引入C-V模型的拟合偏差项，提高图像灰度值与分割区域平均灰度偏差值计算的鲁棒性。同时，采用变分水平集理论获得基于直方图的快速阈值计算方法。实验结果表明，该方法分割效果及收敛速度得到提高，且具有较好的鲁棒性和抗噪性。
分享到:
閱讀更多 電子技術應用 的文章
文档介绍：为了提高传统C-V模型的收敛速度并降低其对噪声的敏感性，提出基于全散度的C-V模型及其快速阈值分割算法。将Bregman散度与全散度统一获得新的全散度，并将其引入C-V模型的拟合偏差项，提高图像灰度值与分割区域平均灰度偏差值计算的鲁棒性。同时，采用变分水平集理论获得基于直方图的快速阈值计算方法。实验结果表明，该方法分割效果及收敛速度得到提高，且具有较好的鲁棒性和抗噪性。
閱讀更多 電子技術應用 的文章
