梯度向量场通量能量驱动的主动轮廓模型

提出了一种基于梯度向量场通量能量的水平集图像分割算法。通过加入约束符号距离函数的能量项，并极小化该能量函数得到的变分表达式主要具有4条优于传统主动轮廓模型的优点。一是可以克服分割弱边界目标的困难；二是水平集函数不但可以灵活初始化，而且可避免在演化过程中重新初始化为符号距离函数；三是水平集函数数值化可采用简单的有限差分方法，计算效率得到了极大的提高；四是仅用一个初始轮廓就可以自动检测带孔目标的内轮廓。对合成和真实图像的分割结果表明：对弱边界目标和灰度分布不均目标的分割效果分别优于测地线模型（GAC）和C-V主动轮廓模型。