基于信息熵的自适应尺度活动轮廓图像分割模型.PDF

２０１７年４月 西 北 工 业 大 学 学 报 Ａｐｒ． ２０１７ 第３５卷第２期 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３５ Ｎｏ．２ 基于信息熵的自适应尺度活动轮廓图像分割模型 １ １ １ ２ ３ 蔡青 ，刘慧英 ，孙景峰 ，李靖 ，周三平 æ １．西北工业大学 自动化学院，陕西 西安　 ７１００７２；２．西北工业大学 机电学院，陕西 西安　 ７１００７２ö ç ÷ è３．西安交通大学 人工智能与机器人研究所，陕西 西安　 ７１００４９ ø 摘　 要：针对固定尺度活动轮廓模型无法快速准确分割灰度不均匀图像的问题，提出了一种基于信息 熵的自适应尺度活动轮廓图像分割模型。 首先，利用最大后验概率（ＭＡＰ）以及贝叶斯分类准则，提出 了一种新型能量泛函，提高了模型对灰度信息的提取能力，进而极大提高了模型对灰度不均匀图像的 分割准确度。 其次，利用图像信息熵构造了自适应尺度算子，使模型能根据图像灰度不均程度自动调 整尺度，提高了模型对灰度不均匀图像的分割速度。 最后，为验证文中模型的优越性，将该模型与 ＬＧＤＦ模型进行了对比，并通过分割时间、迭代次数以及相似度等指标，对分割结果进行了客观、定量 分析。 最终结果表明，该模型不但对初始轮廓具有较高鲁棒性，而且对灰度不均匀图像具有较高的分 割准确性与分割效率。 关　 键　 词：图像分割；活动轮廓模型；灰度不均匀图像；信息熵；自适应尺度算子 中图分类号：ＴＮ９５７．５２　 　 　 文献标志码：Ａ　 　 　 文章编号：１０００⁃２７５８（２０１７）０２⁃０２８６⁃０６ 　 　 图像分割技术是计算机视觉、模式识别和人工 泛函，因此在一定程度上影响了模型对灰度不均匀 ［１⁃２］ 智能邻域一项基本而又关键的技术 。 由于不可 图像的分割准确度和对噪声及初始轮廓的鲁棒性。 避免地受外界因素、成像设备自身等原因的影响，获 本文在充分分析ＬＧＤＦ模型的基础上，针对模 取的图像通常会有某种灰度不均匀现象，严重影响 型对灰度不均匀图像分割准确度低以及对噪声和初 了图像的分割效率与分割准确性。 近年来，活动轮 始轮廓鲁棒性低等问题，提出了一种基于信息熵的 廓模型已逐渐成为灰度不均匀图像分割的流行方 自适应尺度活动轮廓模型。 该模型有以下创新点： 法，该类模型是利用能量最小化，去引导演化曲线使 １） 利用最大后验概率和贝叶斯准则，构建了一 其停止在真实的目标边界上。 活动轮廓模型可分为 种改进的能量泛函，提高了模型对图像灰度信息提 ［３⁃５］ 基于边界信息的模型 和基于区域信息的模 取能力，进而增强了模型对灰度不均匀图像的分割 ［６⁃９］ 型 ２类。 准确度。 基于边界信息的活动轮廓模型，是利用图像边 ２） 利用信息熵构造了自适应尺度算子，使模型 界信息控制轮廓曲线的演化，该类模型对强边界、低 能根据轮廓曲线的演化，自适应调整模型尺度，提高 噪声图像具有很好的分割效果。 基于区域信息的活 了模型对初始轮廓和噪声的鲁棒性。 动轮廓模型，主要利用区域统计信息控制轮廓曲线 最后，通过对灰度不均匀图像的分割实验以及 演化，该类模型对弱边