基于改进活动轮廓模型和视觉特性的图像分割方法

提出一种基于改进活动轮廓模型和视觉显著性分析的图像分割方法。与传统的水平集模型不同,改进的活动轮廓模型不需要进行初始化和计算符号距离函数,从而有效地提高曲线演化效率。在此基础上,提出了基于标记的多相水平集分割方法,有效地解决了复杂图像存在的灰度不均性问题。另外,为避免初始轮廓位置对分割结果的影响,采用视觉显著图获取水平集初始轮廓位置,通过对该显著图进行OSTU分割提取初始轮廓。通过实验分析,提出的方法在分割结果、速度和复杂度上较之传统的CV模型都有明显的改进。

双窗目标特征提取算法研究

为了得到更加稳定性和准确性的目标特征,提出了一种双窗目标特征提取算法。首先在目标周围设置两个初始窗,其中小窗作为提出的改进活动轮廓模型的初始曲线;其次根据活动轮廓模型运动规则进行迭代得到目标的轮廓,作为特征提取的内窗.运用加权比例直方图法提取内、外窗的目标特征,根据设定的规则计算目标特征。最后通过实验证明了上述算法相对传统目标特征提取算法能够得到更佳准确的结果。