基于SVM能量模型改进主动轮廓图像分割算法研究.pdfVIP

第5 期 电 子 学 报 Vol. 34 No. 5 2006 年5 月 ACTA ELECTRONICA SINICA May 2006 基于SVM 能量模型的改进主动轮廓图像分割算法研究 1 ，2 2 胡正平 ，张 晔 （1. 燕山大学通信电子工程系，河北秦皇岛066004 ；2. 哈尔滨工业大学信息工程系，黑龙江哈尔滨150001 ） 摘 要： 为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足，本文将高 效的支持向量机有监督学习分类器引入基于Mumford-shah 模型的主动轮廓图像分割算法中，提出了基于SVM 能量模型的改进主动轮廓图像分割方法. 该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别 构造了一种新的图像能量表示方法，因为分割过程充分利用了有监督学习策略，使得本文提出的算法具有更高的 稳定性和更加广泛的适用范围，特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果. 分 割时，首先利用SVM 实现粗分割得到目标初始轮廓，然后利用改进的Mumford-shah 主动轮廓模型进行精确分 割，采用粗分割策略一方面可以大大提高分割速度，另一方面也可以提高了算法的自动化程度. 对比实验结果表 明本文提出的算法具有更大灵活性和更好的分割性能. 关键词： 支持向量机；Mumford-shah 主动轮廓模型；图像分割 中图分类号： TP301 文献标识码： A 文章编号： 0372-2112 （2006 ）05-0930-04 Improved Mumford-Shah Active Contour Image Segmentation Based on Support Vector Machine Energy Representation HU Zheng-ping1，2 ，ZHANG Ye1 （1. Department of Communication and Electronic Engineering ，yanshan University，ginhuangdao ，hebei 066004 ，China ； 2. Department of Information Engineering harbin Institute of Technology harbin ，heilongjiang 150001 ，China ） Abstract ： We propose a image segmentation method which couples support vector machine and mumford-shah active contour model ，where the advantages of supervised learning classification and the global region distribution infor- mation can be exploited to enhance the performance. A new region-based image energy term in curve evolution based on the output of support vector machine classifier is presented. It is more robust than classical active contour because