基于析取正态水平集的彩色图像分割

为提高彩色图像分割效果,提出一种基于析取正态水平集(DNLS)的彩色图像分割算法。将彩色图像转换到HSV颜色空间中,充分利用像素值的有效信息。提出一种基于DNLS的能量模型,针对彩色图像中不同的通道包含的信息量不同,设定不同加权,改写DNLS能量函数。使用演化变形的多边形拟合成图像中的前景区域,避免了传统水平集演化过程中的重新初始化或添加规则项的难题。通过与传统的水平集算法在不同的图像分割试验中的定量对比,验证了该算法的有效性和优越性。

改进的DNLS图像分割算法

针对多边形的拓扑性不足造成析取正态水平集(DNLS)模型边缘拟合不完整的问题,提出一种基于高斯马尔可夫随机场(GMRF)模型的析取正态水平集图像分割算法。该算法提取图像的颜色通道信息,利用GMRF模型描述不同颜色通道的纹理特征;重写DNLS模型能量函数,将图像纹理信息、色彩信息加权融入,以颜色特征和纹理特征的组合作为对图像进行分割的依据。在演化迭代过程中,使用分段学习率减少迭代次数,实现快速收敛。该算法降低了噪声对图像的影响,提高了DNLS模型的边缘拟合能力。改进算法通过利用图像的色彩信息及纹理细节信息,能有效抵抗图像噪声和复杂的色彩信息干扰,边缘拟合效果更好、分割准确性更高,具有更强的适应性。通过与其他算法在同等环境下进行分割实验定量对比,验证了该算法的有效性。