基于视觉显著性和活动轮廓的图像分割_刘闽碧.pdf

20 13 2 ( ) Feb ． ，20 13 年 月 中央民族大学学报 自然科学版 22 1 Journal of MUC (Natural Sciences Edition) Vol ． 22 No ． 1 第 卷 第 期 基于视觉显著性和活动轮廓的图像分割 刘闽碧 ( ， 350 122 ) 福建中医药大学 管理学院 福建 福州 : C-V ， ， 摘 要 提出一种视觉显著性和传统的 模型相结合的图像分割方法 该方法首先提取图像的显著图 ， C-V 然后使用改进的自适应阈值法将显著图进行二值分割并提取边缘 并以此边缘作为 模型演化的初始轮 ． C-V ， 廓 这样对于具有复杂背景的图像 模型可以从靠近目标物体的位置开始演化 从而得到较为准确的边 ， ， C-V ． 缘 同时 也可以减少 模型的迭代次数 : ;GBVS ;C-V ; 关键词 视觉显著性 法 模型 图像分割 中图分类号:TP39 1 文献标识码:A 文章编号:1005 -8036 (20 13)0 1-003 1-05 引 言 ， 近年来基于水平集方法的活动轮廓模型被广泛应用在图像分割中 活动轮廓模型分为基于边界的 ． ， ， 活动轮廓模型和基于区域的活动轮廓模型 基于区域的活动轮廓模型 考虑了图像全局特征 如演化曲 ， ， 线内外的图像统计信息 具有更好的抗噪性能并且适用于有梯度和没有梯度的轮廓的检测 因此应用更 ． Chan-Vese ［1］ (C-V ) ， 加广泛 模型 模型 是一种比较流行的基于区域的主动轮廓模型 该模型对于处理弱 ， ， 边界的图像有着很好的效果 它不像传统的方法在初始化时用曲线来环绕目标物体 它的初始轮廓曲线 可以在目标内也可在目标外，C-V ， 模型处理有噪声的图像也有很好的效果 而且不用对原图像进行平滑 ，C-V Dirac ， 操作 模型的能量泛函中的 函数可以保证图像域内所有点的数值都是趋于的正值 可以自动 ， ． C-V 检测目标的内部轮廓 因此应用范围更加广泛 但是由于 模型假设图