Resumen

Se propone una nueva segmentación de imágenes basada en la implementación rápida del modelo de Chan-Vese. Este enfoque difiere de los métodos anteriores en que no necesitamos resolver la ecuación de Euler-Lagrange del problema variacional subyacente. En primer lugar, mediante experimentos, observamos que para la segmentación de imágenes suaves, el modelo de Chan-Vese (CVM) puede simplificarse. Utilizando el filtro de paso bajo gaussiano, pretratamos la imagen original y regularizamos las curvas de nivel. A continuación, calculamos la energía directamente sobre conjuntos discretos de niveles de gris, hallamos el minimizador de la energía y obtenemos los resultados de la segmentación. Analizamos el algoritmo y demostramos que bajo conjuntos discretos de niveles de gris, el mínimo global de la energía es el mismo que el obtenido por los métodos anteriores. Otra ventaja de este método es que no es necesaria la reinicialización. Dado que hay un máximo de 255 conjuntos discretos de niveles de gris, el algoritmo mejora la velocidad de cálculo de forma espectacular. Y la complejidad del algoritmo es O(N), donde N es el número de píxeles de la imagen. Por lo tanto, incluso para las imágenes de gran tamaño, también es muy eficiente. Aplicamos nuestro algoritmo de segmentación a imágenes sintéticas y del mundo real para destacar las prestaciones de nuestro modelo en comparación con otros modelos de segmentación.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:conjuntos discretos de niveles de gris, algoritmo, energía, modelo vese, métodos anteriores, filtro gaussiano de paso bajo, nueva segmentación de imágenes, otros modelos de segmentación, imágenes del mundo real, segmentación suave de imágenes
• Keywords:discrete gray level sets, algorithm, energy, vese model, previous methods, gaussian low pass filter, new image segmentation, other segmentation models, real world images, smooth image segmentation