收稿日期:20190321;修回日期:20190504
作者简介:王燕(1971),女,甘肃泾川人,教授,硕士,主要研究方向为图像分割和模式识别;段亚西(1991),男,安徽阜阳人,硕士,主要研究
方向为图像分割(duanyx12300@163.com);亓祥惠(1990),男,山东青岛人,硕士,主要研究方向为图像分割.
基于局部增强与区域拟合的活动轮廓模型
王 燕,段亚西,亓祥惠
(兰州理工大学 计算机与通信学院,兰州 730050)
摘 要:针对活动轮廓模型在分割弱边缘图像及严重的灰度不均匀图像方面存在轮廓曲线不能很好地演化到
目标边界等问题,提出了一种基于局部增强与区域拟合的活动轮廓模型。首先,利用局部区域增强方法将原始
图像转换为新图像,以增强图像的对比度。其次,利用统计信息计算图像的区域拟合能量。然后,加入正则项以
避免演化轮廓重新初始化,提高图像分割效率。最后,通过灰度不均匀的合成图像和真实图像的实验,验证了该
算法的有效性。
关键词:活动轮廓模型;灰度不均匀;图像分割;区域拟合
中图分类号:TP391.41 文献标志码:A 文章编号:10013695(2020)07065223205
doi:10.19734/j.issn.10013695.2019.03.0091
Activecontourmodelbasedonlocalenhancementandregionfitting
WangYan,DuanYaxi,QiXianghui
(SchoolofComputer&Communication,LanzhouUniversityofTechnology,Lanzhou730050,China)
Abstract:Aimingattheproblemthattheactivecontourmodelcan’tevolvewelltothetargetboundaryinsegmentingweak
edgeimagesandsevereintensityinhomogeneousimages
,thispaperproposedanactivecontourmodelbasedonlocalenhance
mentandregionfitting.Firstly,itconvertedtheoriginalimagetoanewimagebyusingalocalareaenhancementmethodtoen
hancethecontrastoftheimage.Secondly,itusedthestatisticalfittocalculatetheregionfittingenergyoftheimage.Then,it
addedaregulartermtoavoidreinitializationoftheevolutioncontourandimprovedimagesegmentationefficiency.Finally
,it
appliedthemodeltosyntheticandrealimageswithintensityinhomogeneity,theexperimentalresultsvalidatethefavorableper
formanceoftheproposedmodel.
Keywords:activecontourmodel;intensityinhomogeneity;imagesegmentation;regionfitting
0 引言
图像分割是图像处理和计算机视觉领域极其重要的一项
研究内容。它的应用范围很广泛,可以应用到遥感、交通、医学
等领域当中,但是由于图像背景复杂,并且含有噪声和灰度不
均匀等问题,给图像分割带来一定的挑战。在现实生活中,由
于成像设备等外部因素对图像质量也造成一定的干扰,要得到
较为精确的分割结果,往往是比较困难的。
活动轮廓模型在图像分割领域占有重要的位置,活动轮廓
模型主要分为基于区域的和基于边缘的分割模型。基于边缘
的活动轮廓模型是使用图像梯度驱使活动演化曲线向目标的
边界移动,从而得到分割结果,但该模型对噪声敏感,且分割弱
边缘和复杂背景图像的效果不好,容易产生边界泄露。而基于
区域的活动轮廓模型使用图像的统计信息将演化曲线驱动到
目标边界,该模型对噪声不敏感,其中最著名的是 MS模型
[1]
,
但由于 MS模型能量泛函具有非凸性,使得模型有时会陷入局
部最小值。所以,在 MS模型的基础上,Chan等人
[2]
提出了 CV
模型,由于 CV模型是基于全局信息的活动轮廓模型,它不适
用于灰度不均匀的图像分割。为了解决灰度不均匀分割的问
题,
Li等人
[3]
提出了区域尺度拟合 RSF模型,该模型利用了图
像的局部信息,引入高斯核函数,使得该模型对分割灰度不均
匀图像起到一定的作用,但其对初始轮廓敏感,且容易陷入局
部极小值。为了使模型在分割灰度不均匀图像的同时还能对
初始轮廓不敏感,
Wang等人
[4]
将 RSF和 CV模型结合到一起,
组成结合局部和全局信息的活动轮廓模型。Liu等人
[5]
提出
了一种基于局部区域的
CV模型,使得模型能够分割灰度不均
匀图像,提高了分割图像的效率。同时,还有通过估计灰度图
像的偏移场信息来进行图像分割的,如 Zhang等人
[6]
提出了一
种近似的灰度不均匀图像分割模型,该模型利用不同均值和方
差的高斯分布对灰度不均匀的图像进行建模,然后将原始图像
的灰度映射到另一个域,避免了目标和背景中的灰度重合,但
其计算复杂度较高。2018年,Min等人
[7]
提出了一种基于显
著性拟合的局部区域图像分割模型
[7]
,该模型在分割灰度不
均匀图像时有较高的效率,但其使用的区域拟合项是常值,因
此,分割严重的灰度不均匀图像也存在一定的局限性。相继也
有人 提 出 了 基 于 全 局 和 局 部 信 息 相 结 合 的 活 动 轮 廓 模
型
[8~11]
,利用全局灰度统计信息防止演化轮廓陷入局部极小
值,结合局部信息消除图像灰度不均匀的影响,但该模型仅仅
是局部和全局区域模型的简单组合,对分割较为复杂的图像还
是不能得到满意的结果。
针对以上问题,本文提出了一种基于局部增强与区域拟合
活动轮廓的图像分割方法,该方法首先通过构造局部增强公式
增加图像的对比度,并将增强后的图像作为后续分割的图像。
其次,结合 LRCV模型中的局部拟合能量项,以缓解局部增强
对灰度不均匀图像分割产生的影响。然后,引入正则项以避免
轮廓初始化和光滑轮廓曲线。最后,通过实验方法,将灰度不
均匀的图像和弱边缘图像分别用本文模型和其他模型进行分
割,并将得到的实验结果通过客观的评价指标进行分割,验证
了本文模型的有效性。
第 37卷第 7期
2020年 7月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol37No7
Jul.2020