1 簡(jiǎn)介

基于全局和局部圖像信息的水平集模型(LGIF模型)，其基本思想是：在演化過(guò)程中，既利用圖像的全局信息，也利用圖像的局部信息來(lái)驅(qū)動(dòng)曲線的演化，LGIF模型其實(shí)就是將LIF模型和GIF模型(ACM with Global Image Fitting?model)兩者的優(yōu)點(diǎn)結(jié)合而形成的新模型，其中LIF模型表示圖像的局部信息項(xiàng)，GIF模型表示圖像的全局信息項(xiàng)。因而，LGIF模型既具有LIF模型的優(yōu)點(diǎn)，利用圖像的局部領(lǐng)域信息，可以在一定程度上處理灰度不均勻的圖像；也具有GIF模型的優(yōu)點(diǎn)，運(yùn)用圖像的全局信息，使得LGIF模型對(duì)初始輪廓的位置不敏感。其中，LIF模型的能量泛函定義如下：

2 部分代碼

% ? Matlab code implementing Chan-Vese model in the paper 'Active Contours Without Edges'% ? This method works well for bimodal images, for example the image 'three.bmp'clcclear allclose allc0 =2;imgID=2;Img=imread('cq391.jpg'); ? ?U=Img(:,:,1);% the initial level setswitch imgID ? ? case 1 ? ? ? phi= ones(size(Img(:,:,1))).*c0; ? ? ? a=43;b=51;c=20;d=28; ? ? ? phi(a:b,c:d) = -c0; ? ? ? figure; ? ? ? imshow(Img);colormap; ? ? ? hold on; ? ? ? plotLevelSet(phi, 0, 'g'); ? ? ? hold off; ? ?case 2 ? ? ? [m,n]=size(Img(:,:,1)); ? ? ? a=m/2; b=n/2;r=5; ? ? ? phi= ones(m,n).*c0; ? ? ? phi(a-r:a+r,b-r:b+r) = -c0; ? ? ? imshow(Img);colormap; ? ? ? hold on; ? ? ? plotLevelSet(phi, 0, 'r'); ? ? ? hold off; ? ?case 3 ? ? ? figure;imagesc(Img, [0, 255]);colormap(gray);hold on; axis off;axis equal; ? ? ? text(6,6,'Left click to get points, right click to get end point','FontSize',[12],'Color', 'g'); ? ? ? BW=roipoly; ? ? ? phi=c0*2*(0.5-BW); ? ? ? hold on; ? ? ? [c,h] = contour(phi,[0 0],'r'); ? ? ? hold off;endpause(1);%參數(shù)選擇pause(0.1);lambda=0.001*255*255; lambda1=1.0;lambda2=1.0;delta_t =0.1;epsilon=1;mu =1;numIter = 1;% CV和LBF的權(quán)重Img=double(U);M=0.05; % scale parameter in Gaussian kernelsigma=3.0; ? K=fspecial('gaussian',round(2*sigma)*2+1,sigma); % Gaussian kernelKI=conv2(Img,K,'same'); ?KONE=conv2(ones(size(Img)),K,'same');% start level set evolutiontime = cputime;for k=1:1000 ? phi = evolution_LGIF(Img,K,KI,KONE,phi,M,lambda1,lambda2,mu,lambda,delta_t,epsilon,numIter); ?% update level set function ? ?if mod(k,5)==0 ? ? ? ?pause(0.01); ? ? ? ?imagesc(Img, [0, 255]);colormap(gray);hold on; axis off; ? ? ? ?contour(phi,[0 0],'r'); ? ? ? ?iterNum=[num2str(k), ' iterations']; ? ? ? ?title(iterNum); ? ? ? ?hold off; ? ?end ? ?endtotaltime = cputime - time;imagesc(Img, [0, 255]);colormap(gray);hold on; axis off;contour(phi,[0 0],'r');iterNum=[num2str(k), ' iterations'];title(iterNum);

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]管觀華. 基于水平集方法的胰腺圖像分割研究.?

博主簡(jiǎn)介：擅長(zhǎng)智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、信號(hào)處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無(wú)人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問(wèn)題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。