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

第2 8卷第 9期 2 1年 9月 01

计算机应用与软件 Co u e p l a in n ot a e mp tr A p i t s a d S f r c o w

Vo. 8 No. 12 9 S p.2 e 011

基于改进活动轮廓模型和视觉特性的图像分割方法 付荣冉杨望孙晓光孙虎元孙立娟 (复旦大学计算机科学与技术学院上海 20 3 04 3)

(中国科学院海洋研究院

山东青岛 2 6 7 ) 6 0 1

摘

要

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，而有效地提高曲线演化效率。在此基础上，出了基于标记的多相水平集分割方法， 从提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 O T S U分割提取初始轮廓。通过实验分析，出的方法在分割结果、提速度和复杂度上较之传统的 C V模型 都有明显的改进。

关键词 中图分类号

改进活动轮廓模型 T 9 17 N 1.3

视觉显著特性 文献标识码

水平集图像分割显著图 A

玎 P RoVED ACTⅣ E CoNToUR oDEL M AND S VI UAL AT TENT oN I BAS D E邛 GE S G M ENTATI E oN ETH OD M

F og R nY njn S nX ag a g S nH y a S nL u n uR n a a g u iou n u u un u u i a j ( colfC m ue c neF d nU i rt, h n h i 0 4 3 C i ) Sho o p t Si c,u a nv sy S a g a 2 0 3, hn o r e ei a

(ntueo O en l y C ie cdmyo S i e, ig a 60 1,h n og,hn ) Istt f ca o g,hns A ae c n sQn d o26 7 S a dn C i i o e f e c a Ab t a t sr c An i g e me t t n meh d b s d o r v d a t e c n o rmo e n iu l t n in a ay i r p s d ma e s g n ai t o a e n i o e ci o t u d la d v s a t t

n ssi p o o e .D f r n r m o mp v ae o l s i ee t o f

t dt n e e e d l,te i rv d at e c no rmo e o s e ur nt iig o ac lt g te sg—itn e fn t n,tu r io a lv lstmo es h mpo e ci o tu d ld en trq i iia zn r cluai h in dsa c u ci a i l v e i l n o hs e e t eyi rv ste c re e ouin fce c . On ti b ss a ae aibe lv lstsg nain me o spo o e h t f ci l v mpo e h u v vlt a ef in y ol i hs a i.a tg b sd vra l e e e e me tt t d i rp sd ta o h e e t ey s l e h r b e o r y d s o g n i n c mp ia e ma e . I d iin,t r v n h n l e c f t e i i a o t u f ci l o v s t e p o l m f g a ih mo e et i o l td i g s n a d t v y c o o p e e t te if n e o h nt c n o r u i l lc t n o h e me tt n r s l,t es l n y ma t ie oo ti el v ls t n t l o tu a in,w ih i s g n e y OS U o a i n te s g n a i e u t h ai c p i ui z d t b an t e e e i a n o rl t o o e s l h i i c c o o h c e me td b T t s o e ta tte ii a o tu .Af re p r n n n y i,t e p p s d meh d i p v n t e o vo s u e irt r d t n d l o xr c h n t c n o r i l t x ei e me t d a a ss h r o e t o s r e b b iu l s p r o t i o a cv mo es n a l o o o y o a i l s g n a in rs l,s e d a d c mp e i . e me tt e u t p e n o lxt o s y

Ke wo d y rs

I r v d a t e c n o rmo e Viu t n i n L v ls t I g

e me t t n S in y ma mp o e c i o tu d l v s a at t e e e ma e s g n ai a e c p l e o o l

具有较低的计算复杂度。

0引言 图像分割技术是图像分析、计算机视觉等领域的一项关键

本文在文献[] 6的模型基础上，将边界检测函数引人到该

模型中，有效地保护边界信息，使得曲线演化停止在边界位置， 从而一定程度上提高分割准确度。在改进的活动轮廓模型基础 上，提出基于标记的多相水平集分割方法，通过对单水平集多次演化的方式进行区域分割，有效地解决灰度不均匀问题，由于整个演化过程不需要重新初始化，也不需要计算符号距离函数，计算量大大降低。另外，本文还引入了视觉显著图分析机制进行初始轮廓的提取，以有效地避免初始轮廓位置对分割结果产可

技术，要想分析理解图像的内容，首要的步骤就是把图像分割成

有意义的区域，只有这一步分割得准确，面的图像分析、后理解及识别才有意义。基于曲线演化的水平集方法可以自然地改变拓扑结构，其闭合曲线可以解决传统分割方法中存在的边界不连续问题，由于水平集能量泛函中包含全局特征信息，以更且可好地利用图像总体信息，该方法在分割精度、噪性、抗稳定性和鲁棒性上大大超过了传统的图像分割方法，被广泛应用于图像处理中，别是图像分割领域 D]特 6。基于边界的活动轮廓模型 (如测地活动轮廓模型 )对于具有边缘断裂的图像具有很好，的分割结果，由于该模型建立在图像边缘检测基础上，但对噪声比较敏感，导致曲线进化陷入局部最优而停止演化。2 1易 00年，文献[]出一种改进的测地活动活动轮廓模型， 6提该模型受

生影响，一定程度上加快收敛速度。本文将得到的显著图且在 使用基于 O T SU的自适应阈值方法进行分割，到二值化分得割结果，并根据结果获得初始轮廓。实验证明，本文方法在加快了图像分割的速度的同时也避免了图像被过度分割的可能，可以较好地提取目标区域。文中实验图像为 26×2 6的 c 5 5 T和 收稿 E: 1— 5 0。国家自然科学基￣ (0 7 04。付荣， t 2 1 0—7期 0; 4 7 64 ) 硕士，领域：主研图像处理，人工智

能。

C V模型的启发，将区域灰度信息作为轮廓演化驱动力， 可以 较好地克服传统测地活动活动轮廓模型对噪声敏感的缺点，且