一种基于多特征的距离正则化水平集快速分割方法

baqiao

一种基于多特征的距离正则化水平集快速分割方法

摘要:现有的图像分割模型存在对初始化信息敏感,分割速率慢,图像弱边界区的泄露等现象.提出了一种混合快速分割方法.该方法利用偏压场近似估计图像的局部统计信息,并结合全局信息相容性及改进的距离正则化方法建立模型,最后将模型嵌入水平集框架中,与此同时,引入双重终止准则以提高分割的速度.最后利用合成图像和真实图像进行分割实验,并与CV(Chan-Vese)模型、非线性自适应水平集方法以及局部尺度拟合模型对比,表明本方法不仅对初始化信息敏感度降低,而且分割速度提高3~5倍.
关键词:图像分割;水平集;距离正则化;近似估计;多特征
: S. M" j$ h9 s9 J# a
1引言
图像分割是图像处理中的基本问题,它在计算机视觉和模式识别中具有重要的意义.近几年来,学者们提出了许多模型方法及其改进方法,按照模型的不同进行划分,可以划分为基于区域合并的方法[1.2]、基于图割方法[3',以及基于活动轮廓的方法[4],其中由Kass等人提出的基于活动轮廓的方法在图像分割中表现更优,近几年出现了许多基于活动轮廓的分割算法.
1 ]0 _0 T) b: G- g) G; v. o现有的活动轮廓模型主要分为基于边缘的模型和基于区域的模型两类.第一类基于边缘模型根据图像在灰度、彩色、纹理等方面的不连续性,利用边缘检测算子进行分割.比较典型的算法包括由Osher等人于1988年首次提出的基于哈密尔顿-雅克比方程的水平集方法l5.然而,这类方法主要依赖于图像的边缘强度信息,要求所分割的图像具有亮度不一致特点,而且这类模型对初始化信息及图像噪声敏感度较高,在图像弱边界区域易产生边界泄露现象;第二类基于区域的模
& k  G/ [* m/ j: H( y" n: W2 k( Q

游客，如果您要查看本帖隐藏内容请回复

0 \/ h% I, n: j: C' x6 p8 N& _) C
! X, ]: [) d" Y& q  h
! j+ A  G2 c1 F7 p, {- D1 h

youOK

一种基于多特征的距离正则化水平集快速分割方法