split-bregman迭代_线性bregman迭代小波_线性bregman迭代(11)

通过表4．2的实验数据可以看出，由于采用传统算法使得水平集函数的能量E ≯下降速度要比本文提出的分割算法缓慢，因此，达到能量收敛态时的迭代次数要远远大于本文所提出的分割算法，致使运算总时间过长。随着水平集数目以及图像不同灰度区域的增加，传统分割算法与本文所提出的方法之间效率上的差异就会更加明显。4．3．2三个水平集的平面图像分割实验对下图4．6所示的两幅灰度图像进行分割实验。由于图像不同灰度值的区域个数要大于4，因此本实验使用三个水平集同时进行演化。由于效率上的差异，本实验不使用传统的多相分割算法，只是针对SplitBregman算法与传统割结果对比，参数，，：1000。实验能量项参数口：102，面积项参数∥：10，实验的运算时间以及迭代次数见表4．3。a 扫描图 b 城市街道布局俯视图图4．6原始图像及初始化的水平集30———————————皇型里垦二燮兰塑坌型竺壅坌堡型丝基!业!呈璺婴竺簦鲨a SplitBregman算法的分割结果 b 传统算法的分割结果c SplitBregman算法得到的灰度图d 传统算法得到的灰度图图4．7对图4．6 a 分割结果对比a SplitBregman算法的分割结果 b 传统算法的分割结果青岛大学硕论文c Split d 传统算法得到的灰度图Bregman算法得到的灰度图图4．8对图4．6 b 分割结果对比通过表4．3中记录的数据可以了解SplitBregman算法与传统算法计算效率对比：表4．3运算时间与迭代次数每次迭代运算占用 运算占用 运算迭代涉及方法 CPU时间 s CPU总时间 s 次数4．6 a 4．6 b 4．6 a 4．6 b 4．6 a 4．6 b传统分割算法 0．547 3．481 38．座机电话号码．71970 500SplitBregman0．413 2．825 28．969282．50070 lOO算法通过上述实验结果可以看出，在对一些较为复杂的图像进行分割时，对于灰度区域分布相对稀疏的图像区域，传统算法与SplitBregman算法的分割效果基本一致，但对于灰度区域分布密集的图像区域 图4．6 a 右上方区域以及图4．6 b 下方区域 ，传统算造成实验结果有一定程度超分割现象出现，而SplitBregman算法对于这些区域有着良好的分割效果。

与此同时，在计算效率方面，传统算法不及SplitBregman算法。4．3．3人造三维图像的实验结果与分析如下实验为三维图像多相分割，对象是90×90×100的3相人造三维图像，X实验生成的三维图像是通过100幅9090大小的图像叠加得到的。图4．9是生成该三维图像中的第1、100、50、20、80层。使用2个水平集函数如图4．10 a -4．10 C ，此次实验的水平集函数为空问的三维球体。第四章平面图像多相分割的变分模型及其SplitBregman算法a 第1幅与第100幅 b 第50幅 c 第20幅与第80幅图4．9人造图像序列取空间步长h 1，相关系数厂 o．01x2552，口 105，∥：0。图4．10 d -4．10 f所示的是其三维分割与重建结果，最终分割出的三维图像中用不同颜色表示2个对象。∞∞-：] ◆ ∞ ． 田J叫 ◇ ∞ ”1 ◇∞ 20J0j ～0：L》＼ ／ ，同 、 3＼ 彳”》＼／‘” ～m 扩舶、、—／7∞ ∥ “》》√4a 两个水平集初始化 b 第一个水平集初始化 e 第二个水平集初始化k邮d 实验结果 e 第一个水平集演化结果 f 第二个水平集演化结果图4．10人造图像序列的三维分割与三维模型重建使用传统算法得到实验结果的迭代次数为80次，运算时间为630．000s。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-38505-11.html