基于边缘和区域信息的接力型活动轮廓图像分割模型.pdfVIP

高技术通讯2013年第23卷第4期：421～429 doi：10。3772／j．issn。1002-0470。2013．04．014 基于边缘和区域信息的接力型活动轮廓图像分割模型① 冯昌利②‘ 张建勋③+ 代煜一’ (’南开大学信息技术科学学院机器人与信息自动化研究所 天津300071) (“哈尔滨工业大学机器人技术与系统国家重点实验室 哈尔滨150001) 摘要针对用于图像分割的传统单一和组合活动轮廓模型对初始轮廓敏感或者不能处 理灰度不均匀图像的问题，提出了一种综合图像的全局、局部等区域信息和边缘信息的新 的组合活动轮廓模型。该模型首先将全局灰度拟合能量、局部灰度拟合能量进行线性组 合，组合后的能量再与由边缘探测算子构造的长度能量组成新的能量项；然后根据能量主 体变化规律调整组合权重，继而用其分成的两种组合活动轮廓模型先后对图像分割；最后 利用高斯滤波函数对水平集函数正则化。同时提出了模型转换、停止准则，实现了模型的 自动转换和自动停止。对人工合成图像和真实图像的数值实验表明，该模型对噪声、各种 初始轮廓均具有较好的鲁棒性，并具备分割灰度不均匀图像的能力。 关键词 活动轮廓模型，边缘探测函数，全局灰度，局部灰度，灰度不均匀，图像分割 匀图像的分割，属于基于局部信息的模型。Zhang 0 等门1提出了局部图像拟合(10ck 引言 imagefitting，LIF) 模型，它利用局部匹配能量方程也实现了对灰度不 图像分割是图像处理的一个重要研究领域，它 均匀图像的分割。上述两种局部灰度信息模型对于 将整个图像区域分为若干满足某种条件的、互不相 初始轮廓的位置、大小、形状比较敏感。Zhang等埔J 交的子区域，在理论研究和应用研究上都受到了广 还提出了一种全局或局部分割可选择的活动轮廓模 泛重视。活动轮廓模型是图像分割的重要方法，根 型，它根据不同的轮廓设置可选择实现全局分割或 据其表达方式和实现的不同可分为两类：参数活动 局部分割。同时，文献[9一12]尝试将边缘信息、区域 轮廓模型和几何活动轮廓模型。前者由Kass等 信息和其他先验知识结合起来，组成了新的能量模 人¨o于1987年提出，后者由Caselles¨1和Malladi¨1 型，它成功分割了灰度不均匀的图像。刘瑞娟等¨3j 等分别独立提出。几何活动轮廓根据其使用的图像 引入固定的权重将全局能量和局部能量线性组合实 信息分为两类：基于图像边缘信息的模型【41和基于 现了对灰度不均匀图像的分割，该方法对初始轮廓 区域信息的模型。前者主要利用图像边缘信息使演 不敏感，权重值由实验得出，对各类型图像的适应性 化曲线停止在目标边界处，但其对图像的低对比度 不强。 部分缺乏合理的处理机制，因而易边界泄漏。后者 为了克服以上单一和组合模型对初始轮廓依赖 主要使用区域的统计信息，因而模型较多，其中 度高或对灰度变化适应性差的缺点，本文提出了一 Chan-Vese(C．V)模型15