摘要:
针对传统活动轮廓模型无法快速、准确、强鲁棒性地分割灰度不均匀图像的问题,提出了偏移场估计与图像分割相结合的新型混合活动轮廓模型。首先,通过对图像进行模糊聚类分析,提出带有模糊隶属度函数的新型偏移场估计模型,提高了模型对图像灰度信息的估计与提取能力。其次,利用图像信息熵构造了自适应尺度算子(adaptive scaling operator, ASO),改善了模型的分割效率及对初始轮廓和噪声的鲁棒性。最后,通过将偏移场估计模型和ASO融入到能量泛函中,提出新型混合活动轮廓模型。实验结果表明,该模型不但对初始轮廓和不同种类噪声具有较强的鲁棒性,而且对不同程度的灰度不均匀图像具有较高的分割准确度与分割效率。
蔡青, 刘慧英, 孙景峰, 周三平, 李靖. 基于自适应分割与偏移场估计的活动轮廓模型[J]. 系统工程与电子技术, 2018, 40(5): 1148-1154.
CAI Qing, LIU Huiying, SUN Jingfeng, ZHOU Sanping, LI Jing. Active contour model based on adaptive segmentation and bias field estimation[J]. Systems Engineering and Electronics, 2018, 40(5): 1148-1154.