水平集方法由于其易于处理复杂形状和拓扑变化的固有特性，在图像分割中得到了广泛的应用。然而，LSM的计算成本很高，这限制了它在实时系统中的应用。为此，我们提出了一种新的水平集算法，该算法同时使用边缘、区域和2D直方图信息，以便有效地分割给定场景中感兴趣的对象。采用具有高度平行性的格子玻尔兹曼法求解水平集方程，大大降低了计算复杂度。身体的力量是
该链接与图像数据，并从提出的LSE定义。然后使用NVIDIA图形处理单元实现建议的LSM，以充分利用LBM的本地特性。该算法有效、抗噪声、独立于初始轮廓、速度快、并行性强。边缘和区域信息可以检测出有边缘和无边缘的目标，而二维直方图信息使该方法在噪声环境下具有有效性。

目前的Matlab代码是我们工作的实现。即使你没有NVIDIA的GPU，串行实现也可以运行。但这不是并行实现的情况。为了使代码易于使用，一切都尽可能地简单。解压后，你会发现两个文件夹(SERIAL和PARALLEL)和论文的Pdf。对于每个实现，你只需要:

1-打开主代码，
2-把你想分割的图像的地址，
3-运行代码(可选:添加到路径或更改文件夹)
4-使用鼠标选择初始轮廓，
5-最后双击初始轮廓。

如果您使用这些代码中的任何一个，请引用实现的论文如下

S. Balla-Arabé，高x.b，王斌，“二维灰度直方图约束下的GPU加速边缘区域水平集进化”，IEEE图像处理学报，vol. 22, no. 1, no. 17、pp. 2688-2698, 2013。

如果你有任何问题，请告诉我。

电子邮件:balla_arabe_souleymane@ieee.org
谷歌学者链接:http://scholar.google.fr/citations?user=dYEIx_IAAAAJ&hl=fr&oi=sra