基于kfcm与改进cv模型的splitbregman图像分割方法

针对基于梯度变化的水平集图像分割方法对噪声敏感、计算效率不高、分割结果依赖初始值等问题,提出了一种基于kfcm与改进cv模型的splitbregman图像分割方法。该算法首先通过核模糊c均值的聚类方法确定出感兴趣区域作为分割初始值,然后采用splitbregman方法来提高cv模型的迭代计算时间效率。实验结果表明,所提算法不仅保持了cv模型图像分割算法的优势,而且在抗噪性能和分割效率方面有明显效果。