LBF模型技术报告.docVIP

拟合可扩展区域能量最小化的图像分割 摘要—— 亮度不均匀经常出现在真实图像中，并且可能在图像分割中引起相当多的困难。为了克服由亮度不均匀引起的困难，我们提出来在一种在可控尺度中利用在局部区域中的亮度信息的基于区域的主动轮廓模型。数据拟合能量是指依据一个轮廓和两个局部近似轮廓两边的图像亮度的拟合函数。然后，这个能量就划归入一个水平集正规化的变分水平集的方程式，曲线演变方程就衍生为能量最小化。由于在数据拟合中的一个核函数，提取出来的局部区域的亮度信息就能指引轮廓的运动，使得我们的模型能够处理亮度不均匀。另外，水平集函数的规则性在本质上是由水平集正规化维持着，来确保精确的计算和避免在推断水平集函数中繁多的重复初始化。 关键词—— 图像分割，亮度不均匀，水平集，拟合可扩展区域能量。 1.　简介 主动轮廓模型被广泛应用于图像分割中。经典的应用有边缘检测，阈值化和区域生长。首先，主动轮廓模型可以获得物体边界的亚像素的精确度。第二，主动轮廓模型可以很容易地在一个有原则的能量最小化的构造中列方程式，并允许引入各种先验知识（比如模型和亮度的分布）来进行鲁棒性图像分割。第三，它们可以提供光滑的封闭轮廓作为分割结果，而这些轮廓是必需的并且可以很容易应用于更长远的应用，比如模型分析和识别。 目前的主动轮廓模型可以分类成两种主要类型：基于边缘的模型和基于区域的模型。基于边缘的模型运用局部边缘信息来