基于模糊连通性指导的初始轮廓的新型水平集模型

水平集模型广泛应用于图像分割领域。 但是，初始轮廓的敏感性和控制参数的手动调整限制了分割性能。 为了有效解决这一问题，本文提出了一种同时利用强度和空间信息的新型水平集模型。 首先，应用模糊连通性（FC）算法获得合适的初始轮廓，从而降低了构建初始轮廓的复杂度和计算成本。 其次，根据初始轮廓的形态特征和模糊连通性的参数，提出了几个方程式来自动估计水平集演化的控制参数并避免人为干预。 最后，采用区域可缩放拟合（RSF）模型进行演化并获得最终的鲁棒分割结果。 通过使用四个不同的初始化水平集模型比较时间的三个定量指标，骰子相似系数（DSC）和峰值信噪比（PSNR），验证了本文提出的模型的效率和准确性。