改进的SPF-SBGFRLS活动轮廓模型：灰度不均图像高效分割

本文主要探讨了一种改进的活动轮廓模型在图像分割中的应用，针对传统活动轮廓模型存在的问题，特别是基于全局信息的模型在处理灰度不均匀图像时的不足以及基于局部信息模型对初始轮廓位置的敏感性。研究者提出了一种创新的方法，即结合全局信息和局部信息，通过构建新的符号压力函数（Signed Pressure Force, SPF）来替代Selective Binary and Gaussian Filtering Regularized Level Set (SBGFRLS) 模型中的符号压力函数。 SBGFRLS模型虽然利用了全局信息，但在处理灰度不均匀图像时表现不佳。为了克服这一局限，研究人员引入了新的气球力函数，这种设计旨在增强模型的适应性和鲁棒性。他们采用SBGFRLS水平集方法演化轮廓曲线，这种方法允许模型在保持全局视野的同时，通过局部信息的引导更有效地分割图像。 改进的活动轮廓模型在实验中展示了显著的优势，它不仅能有效分割灰度不均匀的图像，而且对初始轮廓位置的变化相对不敏感，这意味着模型在实际应用中对用户输入的宽容度有所提升。此外，新模型还具有较好的抗噪声干扰能力，这得益于灰度中值信息的引入，它能够减少噪声对分割结果的影响。 这项研究不仅扩展了活动轮廓模型的应用范围，而且提高了其分割性能，对于计算机视觉领域的图像分割任务具有重要的理论价值和实践意义。通过结合全局和局部信息，研究人员成功地设计出一个更为稳健和精确的图像分割工具，为图像分析和理解提供了强有力的支持。