一个基于水平集的模型,用于在几何约束和数据近似下对图像进行细分.
Guzel Khayretdinova1,2, Dominique Apprato3, Christian Gout1
1National Institute for Applied Sciences (INSA Rouen), Laboratoire de Mathématiques de l'INSA, 76000 Rouen, France.
Journal of imaging
|January 22, 2024
概括
本研究介绍了一种用于图像细分的新型最小表面模型,该模型包含几何约束. 该方法为各种应用提供了多功能解决方案,包括数据近似.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 计算几何学的计算几何学
背景情况:
- 图像细分是计算机视觉中的一个关键任务.
- 现有的方法可能会遇到复杂的几何约束.
- 变量方法被广泛用于图像分析.
研究的目的:
- 提出一个新的图像细分模型.
- 将几何约束纳入细分过程.
- 为了利用最小的表面原则来增强细分.
主要方法:
- 定义用于图像分割的特定几何约束.
- 根据这些约束,制定一个最小化问题.
- 从最小化问题中导出一个变量方程.
- 在模型中使用最小的表面概念.
主要成果:
- 在几何约束下用于图像细分的新型变异模型.
- 证明模型对各种问题的适用性.
- 该模型有效地处理细分任务中的几何限制.
结论:
- 建议的最小表面模型为图像细分提供了一个强大的框架.
- 该模型的灵活性允许广泛的应用,从细分到数据近似.
- 这项工作推动了几何图像分析领域的发展.


