山东省自然科学基金(ZR2011FM024)
- 作品数：1 被引量：5H指数：1
- 相关作者：东野长磊张彬姜东焕郑永果更多>>
- 相关机构：山东科技大学更多>>
- 发文基金：山东省自然科学基金国家高技术研究发展计划山东省教育厅科技计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于全局极小解Chan-Vese模型的SAR图像分割被引量：5
- 2012年
- 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。
- 东野长磊郑永果姜东焕张彬
- 关键词：合成孔径雷达图像分割CHAN-VESE模型水平集方法
