Segmentation model using extended Chan-Vese model for noisy image
扩展的Chan-Vese模型在噪声图像分割中的应用

针对带噪声图像分割结果不理想的现象，提出一种对带不同类型噪声的图像都能进行有效分割的变分模型。首先扩展了Chan-Vese(CV)模型的能量泛函，然后在数值求解过程中，引入一个辅助变量与水平集方法相结合，采用高效和无条件稳定的MOS算法，提高精度和计算效率。对带一定强度噪声的图像进行地分割实验，并与CV变分模型的分割结果进行比较。结果表明，该新变分模型较好地克服了噪声干扰的影响，对带噪图像的分割是有效的，迭代次数少，速度快且提高了目标分割的准确性。