第32卷第9期2010年9月
电子与信息学报
JournalofElectronics&InformationTechnology
Vbl.32No.9Sept.2010
基于局部图划分的多相活动轮廓图像分割模型
孔丁科
汪国昭
(浙江大学数学系计算机图像图形研究所杭州310027)
摘要:几何活动轮廓模型是图像分割领域的强有力工具。最近,一种基于成对相似性的图划分活动轮廓(GPAC)模型被提出,并有效应用于均质图像分割。但是,该模型的连接权函数仅与图像光谱相关,使得模型在低对比度模糊图像的应用存在较大局限,同时,成对相似性的计算量大,模型的数值实现效率不甚理想。针对这些问题,该文引入测地核函数定义连接权函数,结合多相水平集,提出了基于局部图划分的多相活动轮廓图像分割模型。自然图像的实验结果证明了该模型的有效性。
关键词:图像分割;多相活动轮廓;局部图划分:窄带水平集;测地核函数中图分类号:TP391
DOI:10.3724/SP.J.1146.2009.01129
文献标识码:A
文章编号:1009-5896(2010)09-2126-07
LocalizedGraph-cutsBased
Contour
MultiphaseActive
Guo-zhao
ModelforImageSegmentation
Wang
and
KongDing-ke
(InstituteolComputerGraphicsImageProcessing,DepartmentD,Mathematics,
ZhejiangUniversity,Hangzhou310027,China)
Abstract:Geometricactivecontourisused鹪apowerfultooltoaddressimagesegmentationproblems.Recently.
a
newregion-basedactive
contourmodelbased
well
on
palrwiseto
similaritybetweenpixels,i.e.,GraphPortioningActive
Contours(GPAC)ispresented,and
takesspectral
adaptedsegmentimageswithintensityhomogeneity.However,itonly
similarity
as
thecost
functionbetweenvertices,andcannotobtainsatisfactory
segmentation
results
forlowcontrast
imageswithweakboundaries.InordertoovercomingthislimitationofGPACmodel,anovel
basedmultiphaseactivecontoursmodelusinggeodesickernelbasedcostfunctionisproposed.
localizedgraph-cuts
Experimentalresultsofnaturalimagesverifythatthemodelisefficientandaccurate.
Key
wor&:Inlage
segmentation;Multiphase
activecontours;Localizedgraph-cuts;Narrowband
levelset;
Geodesickernel
1引言
基于曲线演化理论f1】与水平集方法[21的几何活动轮廓模型是为解决计算机视觉与模式识别领域广泛存在的图像分割问题而提出的,目前,在理论及应用方面的研究正方兴未艾IS-S]。几何活动轮廓模型实现图像分割的基本思想是:将演化曲线(活动轮廓)隐含地表示为更高维曲面(称为水平集函数)的零水平集,水平集函数在演化方程(由图像信息定义的能量泛函变分得之)控制下进行演化,直至图像的目标边界。这种演化有许多优点:(1)曲线演化过程始终处于固定格网,因此数值实现较为简单;(2)能够自动处理边界拓扑变化(如合并、断裂等);(3)提供光滑、闭合的高精度分割曲线,利于后续图像处理
2009-08-25收到,2010-03-15改回
工作(如目标识别、形状分析等)。
几何活动轮廓模型基本可分为:边界模型【3l和区域模型[4-8】。边界模型是以边界局部信息驱使曲线演化,存在对初始曲线敏感、易边缘泄漏等问题。相对而言,区域模型直接利用活动轮廓内部和外部的全部信息,具有较好的抑噪性和边界处理能力,而且降低了曲线演化对初始曲线的依赖性,因此能获得较好的分割结果。
目前,常见的区域模型有分段常数模型f4,5】,分段光滑模型【6l’统计模型17,8J等。近来,Sumengen等【910J结合图划分和几何活动轮廓模型的优点,提出了基于成对相似性的图划分活动轮廓fGraph
PartitioningActive
Contours,GPAC)模型。与传
统区域模型不同,GPAC模型以活动轮廓内外像素点的成对相似性作为连接权函数并定义能量泛函,同时,应用基于梯度下降法的水平集函数演化,最终获得全局优化的图像分割结果。然而,GPAC模
国家自然科学基金(60773179,60933008,60970079)资助课题
通信作者:孔丁科dinckong@gmail.COrn