基于局部熵拟合能量与全局信息的活动轮廓模型

为解决活动轮廓模型在分割灰度不均匀的图像时存在的对初始轮廓位置敏感、参数选取繁琐及迭代次数多等问题,构建一种基于局部熵拟合能量与全局信息的改进活动轮廓模型。选取灰度图像的中心作为水平集初始轮廓的中心点,改变轮廓半径的大小以确定初始轮廓的位置。使用局部熵项来增强图像边缘处的响应,将局部熵图像拟合能量项与RSF模型共同构成局部能量项,并引入图像的全局信息来避免陷入局部极小值。在此基础上,修正正则项中的长度项,以提高图像分割的效率。在灰度不均匀的合成图像及真实医疗图像上的实验结果表明,与CV模型、RSF模型相比,该模型在进行图像分割时迭代次数较少,精度较高。

基于边缘和区域信息的接力型活动轮廓图像分割模型

针对用于图像分割的传统单一和组合活动轮廓模型对初始轮廓敏感或者不能处理灰度不均匀图像的问题,提出了一种综合图像的全局、局部等区域信息和边缘信息的新的组合活动轮廓模型。该模型首先将全局灰度拟合能量、局部灰度拟合能量进行线性组合,组合后的能量再与由边缘探测算子构造的长度能量组成新的能量项;然后根据能量主体变化规律调整组合权重,继而用其分成的两种组合活动轮廓模型先后对图像分割;最后利用高斯滤波函数对水平集函数正则化。同时提出了模型转换、停止准则,实现了模型的自动转换和自动停止。对人工合成图像和真实图像的数值实验表明,该模型对噪声、各种初始轮廓均具有较好的鲁棒性,并具备分割灰度不均匀图像的能力。

红外图像活动轮廓分割算法

红外图像通常存在边缘模糊、对比度低、背景复杂等特点,传统的活动轮廓模型难以达到理想的分割效果。针对这种情况,提出了一种能够用于红外图像分割的边缘活动轮廓模型。该模型采用了结合图像局部熵信息定义的边缘停止函数,同时提出了一种针对红外图像的自动选取初始轮廓的方法,进一步提高了算法的效率。实验结果表明,采用该模型能够有效分割红外图像。

基于局部图像拟合偏差的活动轮廓分割模型

针对灰度不均匀图像的分割问题,提出一个基于区域的活动轮廓模型。通过构造包含图像局部信息的局部图像拟合偏差能量泛函,度量真实图像与拟合图像的偏差,并在全局凸分割的基础上,将分裂Bregman技术应用到模型能量泛函的最小化问题中,以提高分割速率。同时引入边界检测函数更加准确地探测边界位置,以提高模型的分割准确性。实验结果表明,该模型不仅可以正确分割灰度不均匀图像和受噪声干扰的图像,而且对于多目标图像以及灰度分布均值相同、方差不同的图像,也能快速、准确地得到分割结果。