局部熵驱动区域主动轮廓的局部化框架

提出一种将任意基于区域主动轮廓线模型进行局部化推广的框架。该框架的能量泛涵包含一个惩罚区域弧长的几何正则项和一个局部区域数据拟合项。根据图像像素空间排列的相关性,采用一个滑动窗函数提取图像局部熵,将图像从灰度空间转化到相应局部熵特征空间。在局部熵特征空间,采用另外的窗函数进行局部区域信息提取,从而推导出区域主动轮廓线模型的局部化框架。以CV模型为例推导局部化过程,并对2种常用的窗函数进行分析比较。实验结果表明,该方法可以成功分割一类包含有杂乱特征的图像。

Cauchy-Schwarz散度在图像分割中的应用

基于Cauchy-Schwarz散度,提出了一种新的主动轮廓线图像分割模型。该模型能量泛函有两部分组成:几何正则项和数据拟合项。其中,数据拟合项通过图像灰度的概率密度函数之间的Cauchy-Schwarz散度来加以构造,并且对概率密度函数进行了非参数估计。为了快速获得新模型的全局最优解,采用了模型的凸化及Split-Bregman快速迭代技术。通过一些图像的分割实验,验证了该模型可取得令人满意的分割效果且具有较快的收敛速度。

局部熵驱动的主动轮廓线纹理图像分割

该文通过对主动轮廓线技术发展的回顾和从纹理图像分割的实际问题出发,提出一种基于局部熵驱动的主动轮廓线纹理图像分割模型。该模型的能量泛涵包含一个惩罚区域弧长的几何正则项和一个使用纹理模式区分不同区域的数据拟合项,特别是数据拟合项用到了局部熵来提取图像纹理并且采用L1范数作为熵的相似性度量。然后将该能量泛涵嵌入到变分的水平集公式中,通过求解能量最小化问题,得到相应的曲线演化方程。最后,采用Berkeley图像分割库中图像实验验证了该方法的有效性。

局部熵驱动的模糊区域竞争图像分割

针对现有图像分割模型对光照敏感,提出一种新的基于区域的主动轮廓线模型。该模型能量泛函包含一个惩罚区域弧长的几何正则项和一个区域数据拟合项,特别的是数据拟合项采用局部熵来区分不同的区域。首先,根据图像像素空间排列之间的相关性,采用一个滑动窗函数提取图像局部熵特征,将图像从灰度空间转化到相应局部熵特征空间;然后,在局部熵空间计算最大后验分割概率得出两相区域竞争模型,为了能够快速求解该模型,采用隶属度函数替换特征函数得到了凸的模糊区域竞争模型。最后,采用快速的Chambolle对偶方法得到全局最小解。实验结果表明,该算法可以得到令人满意的分割效果且收敛速度快和对光照稳定。