《表2 对图1分割的迭代次数与运算时间》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多相图像分割Vese-Chan模型连续最大流方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

ADMM方法通过引入辅助变量和拉格朗日乘子，避免复杂曲率项的计算，并通过对变量的交替优化提高计算效率。本文方法引入对偶变量，转化为连续最大流模型，保持高效性及高精度性。从表2—表4的数据可以得出，分割的迭代次数与运算时间随着标签函数的增加而增加，并且相比较ADMM方法，本文方法的运算时间加速比有明显提高。除此之外，计算效率的提高程度也与图像的复杂程度及尺寸大小有关。