论文部分内容阅读
针对传统CV模型利用全局信息作为拟合项导致不能准确分割灰度不均匀目标边界的问题,提出一种结合区域信息的CV模型。通过在全局拟合能量项中引入区域灰度信息构造新的拟合项,计算拟合曲线附近区域灰度信息的相似性特征来推动曲线的演化,在最终的能量泛函中加入边缘信息,终止曲线的演化。实验表明:改进后的CV模型能够准确分割灰度不均匀图像的目标边界,并对噪声和初始轮廓具有较强的鲁棒性。