带正则化拟合项的Chan-Vese模型

摘要 为了提高Chan-Vese（CV）模型对噪声的鲁棒性,提出了一个带正则化拟合项的CV模型．新模型对CV泛函中图像像素灰度与拟合常数的距离函数进行磨光,在极小化新能量泛函的过程中,使得每个像素点的分割在其邻域范围内保持连续性,这样就可以排除噪声点的影响,获得正确的分割结果．并且采用一个基于新的边缘停止函数的测地弧长项作为正则项,进一步提高了模型的抗噪性．实验结果表明,对于不同噪声污染的人工图像和自然图像,本文模型都能取得较为满意的分割结果．并且对于强高斯噪声和椒盐噪声污染的图像,本文模型相对于经典的CV模型和LBF模型具有较大的优势