秦宇幸，羿旭明

结合显著性和边缘信息的水平集图像分割方法

秦宇幸，羿旭明

(武汉大学数学与统计学院，湖北 武汉 430072)

针对LBF模型对初始轮廓的依赖性和对边缘的弱控制能力，研究了一种结合显著性和边缘信息的水平集图像分割方法。首先，结合小波分析理论，基于视觉注意机制构造图像显著图；然后，利用小波分解所描述的图像边缘信息，构造边缘检测函数，同自适应初始轮廓一起引入到LBF水平集模型中，并用有限差分法进行数值求解。实验结果表明，提出的图像分割方法能有效降低初始轮廓位置对活动轮廓模型的影响，对合成图像、自然图像均有较好的分割结果，相较于其他传统方法具有更高的演化效率和分割质量。

图像分割；小波分解；显著图；自适应；水平集

图像分割是计算机视觉领域的重要技术之一，在目标检测、识别等场景发挥着重要作用。基于水平集理论和曲线演化的活动轮廓模型是近年来应用广泛的一类传统图像分割方法，其思想是将高维曲面映射到低维曲线，用三维曲面的零水平集来表示二维图像不同区域之间的边界，通过水平集函数的演化实现对图像的分割[1]。按照曲线演化驱动力的构成方式不同，现有的活动轮廓模型可分为基于边缘、基于区域的2大类方法。

CV模型[2]是基于区域的经典活动轮廓模型，将图像视作强度均匀的同质区域进行水平集演化，但对于灰度不均匀的图像分割效果不佳。……