%0 Journal Article
%T 基于改进CV模型的金相图像分割 Segmentation of metallographic images based on improved CV model
%A 倪康
%A 吴一全
%A 韩斌
%J 工程科学学报
%D 2017
%X 对金相图像进行快速精确分割是金相晶粒评级的关键步骤,利用传统Chan-Vese(CV)模型很难将晶粒精确地提取出来.为了更加精确地对金相图像进行分割,提出一种基于改进CV模型的金相图像分割方法.初始化水平集函数,对曲线内外两部分分别计算其倒数坎贝拉距离,并将该距离的大小作为拟合中心的权重系数,有效抑制了噪声点对区域拟合中心准确性的影响;引入指数熵自适应调节曲线内外能量权重,减少固定能量权重对曲线演化的影响;同时加入距离规范项以避免水平集函数的重新初始化,加速该模型的收敛.实验结果表明,与传统CV模型、测地线活动轮廓模型、距离规范项的水平集模型以及偏置场修正水平集模型相比,所提方法分割出的金相图像更加精确,分割效率较高且模型收敛性较好.
%K 金相图像分割
%K 晶粒评级
%K Chan-Vese模型
%K 水平集
%K 倒数坎贝拉距离
%K 指数熵
%U http://bjkd.cbpt.cnki.net/WKA/WebPublication/paperDigest.aspx?paperID=ad32e1ec-a22b-42f4-9efd-b5358c807d56