基于边缘信息与偏移场矫正的多相Chan-Vese图像分割模型.pdfVIP

２０１４年６月 西 北 工 业 大 学 学 报 Ｊｕｎｅ ２０１４ 第３２卷第３期 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３２ Ｎｏ．３ 基于边缘信息与偏移场矫正的 多相Ｃｈａｎ⁃Ｖｅｓｅ 图像分割模型 周三平，滕炯华，黄保山，徐婧林 （西北工业大学 自动化学院，陕西 西安　 ７１０１７２） 摘　 要：图像中存在的灰度不均匀现象与演化曲线被错误的目标边缘引导给图像的多相分割带来了 很大困难。 针对这一问题，利用对数变换将乘性偏移场转化成线性偏移场，通过核函数引入局部灰度 信息建立了偏移场矫正模型。 此外，运用水平集函数与图像梯度的方向信息重建了边缘指示函数，增 强了演化曲线对正确目标边缘的识别能力。 人工合成图像和自然图像的分割实验结果表明文中提出 的模型能够取得令人满意的分割结果。 关　 键　 词：图像分割，多相水平集，偏移场矫正，边缘指示函数 中图分类号：ＴＰ３１７．４　 　 　 文献标志码：Ａ　 　 　 文章编号：１０００⁃２７５８（２０１４）０３⁃０４３４⁃０６ 　 　 传统的基于几何活动轮廓的水平集方法仅利用 型，增强了模型分割灰度不均匀图像的能力。 Ｗａｎｇ 了图像的局部信息，在分割边缘模糊或者含有噪声 ［６］ Ｌｉ等 综合运用了Ｃｈａｎ⁃Ｖｅｓｅ模型中的全局信息和 的图像时，通常不能得到令人满意的结果。 而基于 ＬＢＦ模型中的局部信息，提出了ＬＧＩＦ模型，提高了 ［１］ Ｃｈａｎ⁃Ｖｅｓｅ模型的水平集分割方法 ，依赖的是同 模型对初始轮廓的适应的能力。 无论是ＬＢＦ模型， 质区域的全局信息，能够有效分割边缘模糊的图像。 还是ＬＧＩＦ模型，都是Ｃｈａｎ⁃Ｖｅｓｅ模型在图像二相分 Ｃｈａｎ⁃Ｖｅｓｅ模型属于单项水平集二相图像分割模 割方面的改进，不能够同时将图像中的多个目标分 型，不能将 １幅图像中的多个目标同时分割开来，为 割开来。 了弥补这个不足，２００２年Ｃｈａｎ 和Ｖｅｓｅ提出了多相 本文提出了一种基于边缘信息与偏移场矫正的 ［２］ Ｃｈａｎ⁃Ｖｅｓｅ模型 。 多相 Ｃｈａｎ⁃Ｖｅｓｅ 模型在分割 １ 图像多相分割模型。 首先，利用对数变换将乘性偏 幅图像的多个目标时得了极大成功，并且对噪声不 移场转化成线性偏移场，然后通过核函数引入局部 敏感。 但是，该模型存在如下缺点：１）不能分割灰 灰度信息，最后利用变分法建立了基于区域信息的 ［３］ 度不均匀的图像 ，因为模型假设图像灰度在各个 偏移场矫正模型。 此外，利用水平集函数与图像梯 区域上是分段常值的，所以在分割灰度不均匀的图 ［７］ 度的方向信息对传统的边缘指示函数 进行了改 像时，演化曲线通常不能逼近目标的真实边缘；２） 进，综合利用了图像的梯度信息，重建了边缘指示函 对初始轮廓线的位置比较敏感，在分割稍微复杂的 数。 对比实验表明我们提出的模型能够取得令人满 图像时，曲线的演化结果严重依赖初始轮廓曲线的 意的分割结果。 位置，不同的初始轮廓线可能会得到不同的分割结 ［４］ 果，甚至会导致分割失败；３）重新初始化问题 ，为 １　 多相Ｃｈａｎ⁃Ｖｅｓｅ模型 了保证水平集函数在演化的过程中保持光滑性和符 号距离函数的特性，需要定期地将水平集函数重新