一种新的结合图像梯度的局部活动轮廓模型.pdf

《一种新的结合图像梯度的局部活动轮廓模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第31卷第11期计算机应用研究Vo1．31No．112014年11月ApplicationResearchofComputersNOV．2014一种新的结合图像梯度的局部活动轮廓模型刘驰，孙权森(南京理工大学计算机科学与工程学院，南京210094)摘要：基于区域的局部二值拟合模型只考虑图像灰度的平均值统计信息，然而由于图像中的噪声改变了图像的灰度分布，该类方法对于包含大量噪声的图像往往很难获得理想的效果。为了提高模型对于噪声的鲁棒性，提出了一种结合图像统计信息和梯度信息的局部活动轮廓模型。该模型在图像灰度的统计信息的基础上，加入图像梯度信息，分别构造以高斯

2、函数为核函数的局部二值灰度拟合能量和局部二值梯度拟合能量，得到最终的能量泛函，并通过最小化该能量函数，驱使活动轮廓向目标边缘演化。实验结果表明，基于图像灰度和梯度的局部活动轮廓模型能够有效克服图像中弱边缘以及强噪声对于分割结果的影响，其分割精度高于同类方法。关键词：C—V模型；局部二值拟合模型；局部灰度；局部梯度；活动轮廓模型中图分类号：TP391．4文献标志码：A文章编号：1001—3695(2014)1l一3510—04doi：10．3969／j．issn．1001-3695．2014．11．071Newlocalactivecontourmodelc

3、ombinedimagegradientLIUChi，SUNQuan'sen(SchoolofComputerScience&Engineering，NanjingUniversityofScience&Technology，Nanjing210094，China)Abstract：I~calbinaryfittingmodelbasedonareaonlyconsidersimagestatisticalinformation．Butthenoiseinimagechangesimageintensitydistribution，SOthismodelc

4、annotefficientlysegmentimageswithheavynoise．Inordertoimprovetherobustnesstothenoise，thispaperproposedanovellocalactivecontourmodeldrivenbyimagegr8yandgradient．Thismodelthatcorn—binedtheimagegradientinformationisonthebasisoftheimageintensitystatistics．Theenergyfunctionofthismodelwa

5、sthenconstructedwithtwoparts：thelocalbinarygrayfittingenergyandthelocalbinarygradientfittingenergy．Finally，thecontourcouldbedriventotheobjectiveboundariesbyminimizingtheenergyfunctiona1．Experimentalresultsshowthattheproposedmodelcanovercometheimpactoftheweakedgesandheavynoiseinthe

6、imagetogetsatisfiedsegmentations，andoutperformsstate—of-the—artalgorithms．Keywords：C—Vmodel；LBFmodel；localintensity；localgradient；activecontourmodel轮廓的初始化较为鲁棒，但是对于含有不同质、低对比度及光0引言照不均匀性的图像常常会出现误分。为了克服图像的灰度不均匀性，Li等人提出了局部二值拟合(1ocalbinaryfitting，LBF)图像分割技术是图像分析与计算机视觉领域中的一种重模型和RSF模型j，这两

7、个模型利用了图像的局部灰度信要的图像处理技术，其主要目标是将图像划分为若干个具有相息，可以很好地克服灰度不均匀现象，得到了精确的分割结果。同特征的子区域⋯。自Kass等人于1987年提出活动轮廓除此之外，Zhang等人提出的LIF模型也能达到相同的目模型后，该方法在图像分割领域中得到了广泛的应用。通常该的，而且相对LBF来说，其运算量小，对水平集函数的初始化类方法分为参数活动轮廓模型和几何活动轮廓模型两大类。要求降低。但是LBF和LIF模型的能量函数针对水平集函数其中几何活动轮廓模型又分为边缘活动轮廓模型和区域活动是非凸的，因此在水平集演化的过程中极易陷入

8、局部极小轮廓模型l4两类。边缘活动轮廓模型一般利用图像的边界值tt