宋单单，刘广秀（山东科技大学，山东青岛，266000）



基于可变区域拟合水平集算法的改进

宋单单，刘广秀
（山东科技大学，山东青岛，266000）

摘要：基于可变区域拟合水平集算法利用图像的局部区域信息，在活动曲线演化控制参数的手工设置使其应用受到了限制。本文提出了将灰度信息图像匹配原理应用到RSF模型中，根据计算相邻演化图像的相关系数实现迭代的自适应停止。实验结果表明，改进的RSF模型克服了自动设置迭代次数的缺点，实现了迭代的自适应停止，而且对弱边缘不连续图像能够有效地实现，节省了时间，提高了分割效率。

关键词：可变区域拟合水平集；灰度不均匀；相关系数；迭代次数

0　引言

图像分割技术是低层图像处理技术之一，其目的是把目标从图像背景中分离出来。1988年，Kass等人将Snake形变模型首次用于图像分割领域，开拓性的将更多的学者吸引到对活动轮廓模型的研究当中。

著名的基于区域的几何活动轮廓模型有CV模型和RSF模型。CV模型是由Chan和Vese提出的基于Mumford-Shah模型去掉面积项简化而来的。其演化轮廓驱动力是利用图像区域的全局信息，自动检索图像的内部轮廓到达分割区域的边界。CV模型将图像内外的灰度信息近似为常数，无法反应图像灰度信息变化，难以分割灰度不均匀的图像。为了更好解决CV模型不能分割灰度不均匀图像，Li chunming等人提出了能够分割图像灰度不均匀的可变区域拟合水平集模型（Region-Scalable Fitting Model level set），简称RSF模型。该模型是把CV模型的全局二值拟合能量项改为以高斯核函数为可变区域拟合能量项的能量函数，解决了CV模型不能分割灰度不均匀图像的缺点。……