结合分布度量统计建模的主动轮廓图像分割

摘要：

图像分割是数字图像处理中不可或缺的关键步骤.为了解决传统主动轮廓模型针对非匀质图像分割结果不准确且分割效率低的问题,提出一种结合分布度量统计建模的主动轮廓图像分割算法.所提算法的能量驱动力兼顾了图像的全局统计建模信息和其他混合灰度分布信息,使得分割曲线能够更加精确地演化至目标边缘.分布度量能量驱动力定义为轮廓内外概率密度函数定义的比率距离的方差,该能量驱动力基于图像全局信息统计建模,能够更加精确地描述轮廓曲线内外的能量变化;混合灰度分布能量驱动力由图像灰度值与融合均值与中值的区域拟合中心的L2范数表示.将分布度量能量驱动力与混合灰度分布能量驱动力组合形成新的能量泛函,利用水平集方法和梯度下降法迭代求得该能量泛函的最小值,以获得最终的图像分割结果.与传统CV(Chan Vese)模型、LBF(Local Binary Fitting)模型等四种算法的图像分割结果相比,所提模型在主观视觉效果、对初始轮廓的敏感性、运行时间和迭次次数方面均具有较大优势.

关键词：图像分割、主动轮廓模型、全局统计建模信息、混合灰度分布、能量泛函

所属期刊栏目：56

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖北省教育科学规划2019年度一般课题;武汉学院校级科学研究项目

在线出版日期：2020-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：228-233