基于局部与全局信息的活动轮廓图像分割模型
2016-11-02李守荣周三平郝建红
系统工程与电子技术 2016年5期
李守荣,周 秋,周三平,郝建红
(1.华北电力大学电气与电子工程学院,北京 102206;2.西安交通大学人工智能与机器人研究所,陕西 西安 710049)
基于局部与全局信息的活动轮廓图像分割模型
李守荣1,周秋1,周三平2,郝建红1
(1.华北电力大学电气与电子工程学院,北京 102206;2.西安交通大学人工智能与机器人研究所,陕西西安 710049)
根据贝叶斯分类准则提出了一种改进的基于局部与全局信息的水平集图像分割模型。首先,利用图像的局部信息建立了局部能量项,引导目标附近的演化曲线停在目标边缘上;然后,利用图像的全局信息建立了全局能量项,加速远离目标边缘处演化曲线的演化;最后,提出了一种联合局部能量项和全局能量项的统一的水平集模型架构,提高了分割效率和分割灰度不均匀图像的能力。分割实验结果表明,该改进模型不但提高了对初始轮廓位置的鲁棒性,而且在分割灰度不均匀的图像时也取得了令人满意的分割结果。
图像分割;灰度不均匀;水平集方法;活动轮廓模型
网址:www.sys-ele.com
0 引 言
图像分割在图像分析和处理中占有基础地位,对于计算机视觉领域的研究极其重要[1 2]。目前,活动轮廓模型是被广泛研究的图像分割方法[3],这种演化方法能够有效地设计数值计算方案,同时能够自动、灵活地处理零水平集拓扑结构的变化。一般情况下,可以将活动轮廓模型划分为基于边缘信息的模型[4 6]与基于区域信息的模型[7 9]。基于边缘信息的活动轮廓模型一般依据图像梯度对目标边缘进行检测,因此对噪声与弱边缘的敏感度高。……
登录APP查看全文
