潘沛鑫，潘中良

华南师范大学 物理与电信工程学院，广州510006

图像分割是计算机视觉等领域中的一种必不可少的预处理工作，在目标检测与识别中能起到重要的作用。其中的主动轮廓模型早已广泛地应用在图像分割中，该模型能够有效地提取图像中的物体。例如，Lv等人[1]提出了基于模糊能量的主动轮廓模型，该模型利用非局部权重来构造局部能量项以进行图形分割。Ma等人[2]提出了结合随机森林的主动轮廓模型，该模型利用随机森林作为特征学习的内核，通过学习图像中的局部和上下文信息来进行图像的分割。此外，人类视觉系统可以快速并准确地识别图像中的显著物体[3]，因此显著性检测能够迅速地从复杂的场景中提取出人们感兴趣的部分。所以目前有许多显著性区域检测方法来提取目标区域，例如，Cheng 等人[4]研究了基于全局对比度的显著区域检测算法，对基于直方图统计的对比度以及基于区域对比度的两种显著性检测方法进行了实现。Yang 等人[5]提出了一种基于流形排序算法的显著性检测方法，通过使用基于图论的流形排序算法，并根据图像的像素或区域的相似性来进行排序，从而得到显著性区域或目标。

由于传统的主动轮廓模型主要是把图像分割成多个区域，没有凸显图像对象的一些重要信息，如人类感兴趣的显著性信息。因此，本文把基于图论的显著性检测算法和基于图像全局灰度信息的主动轮廓模型结合起来，提出结合显著性的主动轮廓图像分割。……