该资源提供了计算测地线距离的lib、dll库和要包含的头文件，还包含了实例代码。没有源文件。 该资源是2005 SIGGRAPH中Fast Exact and Approximate Geodesics on Meshes文章的实现，其作者是Vitaly Surazhsky, Tatiana Surazhsky, Danil Kirsanov, Steven J. Gortler and Hugues Hoppe。
河流遥感图像是背景复杂的非匀质图像，利用传统的活动轮廓模型进行分割往往不够准确。针对这一问题，提出了基于区域信息融合的混合活动轮廓模型来分割河流遥感图像。方法 该混合模型将 Chan-Vese(CV)模型和基于交叉熵的活动轮廓模型的外部能量约束项相结合，并赋予归一化调节比例系数。通过计算轮廓曲线内外区域像素灰度的方差和交叉熵，指导曲线逼近目标边缘。为了加速混合模型的演化，引入曲线内外区域像素灰度的类内绝对差，取代原有的内外区域能量权值，以提高混合模型的分割效率。结果 大量实验结果表明，相较于 C
针对测地线活动轮廓(geodesic active contour，GAC)模型轮廓演化速度慢的问题，构造一个区域灰度相似性信.息项，对GAC模型的能量泛函进行改进，加快轮廓演化速度，将其用于肺部薄扫cT(computed tomography)图像序列中.肺实质的自动分割。采用基于Nystrom逼近的谱聚类算法分割CT图像序列中间位置cT中的肺实质，计算其灰度均值与.标准差，构造区域灰度相似性信息项，以分割好的肺实质轮廓作为初始轮廓，分别从上下两个方向采用改进了能量泛函的.GAC模型实现其它切
河流遥感图像是背景复杂的非匀质图像，利用传统的活动轮廓模型进行分割往往不够准确。针对这一问题，提出了基于区域信息融合的混合活动轮廓模型来分割河流遥感图像。方法 该混合模型将 Chan-Vese(CV)模型和基于交叉熵的活动轮廓模型的外部能量约束项相结合，并赋予归一化调节比例系数。通过计算轮廓曲线内外区域像素灰度的方差和交叉熵，指导曲线逼近目标边缘。为了加速混合模型的演化，引入曲线内外区域像素灰度的类内绝对差，取代原有的内外区域能量权值，以提高混合模型的分割效率。结果 大量实验结果表明，相较于 C
