基于反应扩散的免重新初始化水平集演化
计算机视觉与模式识别
2012-08-09 v3
摘要
本文提出了一种用于隐式活动轮廓的新型反应扩散（RD）方法，该方法完全免除了水平集演化（LSE）中代价高昂的重新初始化过程。在 LSE 中引入扩散项，得到 RD-LSE 方程，该方程可导出分段常数解。为了获得基于 RD 的 LSE 的稳定数值解，我们提出了一种两步分裂法（TSSM）来迭代求解 RD-LSE 方程：首先迭代 LSE 方程，然后求解扩散方程。第二步对第一步得到的水平集函数进行正则化以确保稳定性，从而在 LSE 中彻底消除了复杂且代价高昂的重新初始化过程。通过成功将扩散应用于 LSE，RD-LSE 模型借助简单的有限差分法即可保持稳定，且非常易于实现。所提出的 RD 方法可推广用于求解变分水平集方法和基于 PDE 的水平集方法的 LSE。RD-LSE 方法在边界防泄漏方面表现出良好的性能，并且可以容易地扩展至高维水平集方法。在合成图像和真实图像上的大量且极具前景的实验结果验证了所提出的 RD-LSE 方法的有效性。
引用
@article{arxiv.1112.1496,
title = {Re-initialization Free Level Set Evolution via Reaction Diffusion},
author = {Kaihua Zhang and Lei Zhang and Huihui Song and David Zhang},
journal= {arXiv preprint arXiv:1112.1496},
year = {2012}
}
备注
IEEE Trans. on Image Processing, to appear