论文部分内容阅读
活动轮廓模型是图像分割领域的一个主要的方法,这种模型通过采用从图像数据获得的先验知识,对目标进行有效的分割、匹配与跟踪分析。但由于能量函数的非凸性构造,导致分割结果一般容易陷入局部解的困境,从而对于一些图像分割效果不是很好。针对活动轮廓模型容易陷入局部解的问题,许多学者从能量泛函入手,提出了结合凸优化知识的全局算法并得到了一定的发展。一些结合全局算法的图像分割例如快速全局最小算法、基于Wasserstein距离局部直方图的图像分割和利用空间和频域信息的基于模糊区域竞争的图像分割在一定程度上完成了理想的分割。但是以上所有的算法也都面临着参数自适应性的问题,即在每种算法中都需要人工调节一些参数,这就大大降低了分割的效率。为了同时解决局部解和参数自适应问题,本文结合全局算法,提出一种基于每一区域多分布的权重自适应性活动轮廓模型图像分割算法。这些分布来源于原始灰度图像在每一区域的不同滤波结果,即不同滤波器下的投影。因为在图像分割中,不同特征对分割的不同贡献难以区分,在本文中用投影分布这一种形式表达所有特征信息,由分布的特点决定不同特征对能量泛函的影响。每一区域的能量表示为该区域内所有投影分布熵的加权和。每一分布的自适应权重系数由这一分布的熵与所在区域内其它分布熵之和的比决定。分割过程是,通过这些权重系数进行每个区域内不同分布之间的竞争,实现所有区域熵的总和的最小化。对于该能量的最小化模型的求解,本文采用水平集方法实现。通过和其它方法进行实验对比,结果表明本文算法以最小的参数较好地实现了对自然图像的自动分割。