CV模型和CEACM模型.DOC

中图法分类号：TP751.1；TP391.41 文献标识码：A 文章编号： 论文引用格式： 利用区域信息融合混合活动轮廓模型 的河流遥感图像分割 韩斌1 ， 吴一全1，2，3，4，5 ， 宋昱1 1.南京航空航天大学电子信息工程学院, 南京 211106； 2.长江水利委员会长江科学院武汉市智慧流域工程技术研究中心, 武汉 430010； 3.黄河水利委员会黄河水利科学研究院水利部黄河泥沙重点实验室, 郑州 450003； 4.南京水利科学研究院港口航道泥沙工程交通行业重点实验室, 南京 210024； 5.哈尔滨工业大学城市水资源与水环境国家重点实验室, 哈尔滨 150090 摘 要：目的：河流遥感图像是背景复杂的非匀质图像，利用传统的活动轮廓模型进行分割往往不够准确。针对这一问题，提出了基于区域信息融合的混合活动轮廓模型来分割河流遥感图像。方法：该混合模型将Chan-Vese(CV)模型和基于交叉熵的活动轮廓模型的外部能量约束项相结合，并赋予归一化调节比例系数。通过计算轮廓曲线内外区域像素灰度的方差和交叉熵，指导曲线逼近目标边缘。为了加速混合模型的演化，引入曲线内外区域像素灰度的类内绝对差，取代原有的内外区域能量权值，以提高混合模型的分割效率。结果：大量实验结果表明，相较于CV模型、测地线模型、基于交叉熵的活动轮廓模型、CV模型和测地线模型的混合模型以及局部全局灰度拟合能量模型(LGIF)，本文混合模型分割河流遥感图像的灵敏度和上述方法都接近于100%，准确率大幅提升，在90%以上，虚警率则下降了约50%，且所需迭代次数和运行时间更少。结论：本文提出的混合模型主要适用于具有一定对比度的河流遥感图像，在分割性能和分割效率两个方面，都有明显的优势。 关键词 ： 河流遥感图像； 图像分割； 区域信息融合； 混合活动轮廓模型； 类内绝对差； 自适应权值 Segmentation of remote sensing images of rivers utilizing a hybrid active contour model with regional information fusion Han Bin1, Wu Yiquan1,2,3,4,5, Song Yu1 1.College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, 201116; 2.Engineering Technology Research Center of Wuhan Intelligent Basin, Changjiang River Scientific Research Institute, Changjian Water resources Commission, Wuhan, 430010; 3.Key Laboratory of Yellow River Sediment of Ministry of Water Resources, Yellow River Institute of Hydraulic Research, Yellow Water resources Commission, Zhengzhou, 450003; 4.Key Laboratory of Port, Waterway and Sedimentation Engineering of the Ministry of Transport, Nanjing Hydraulic Research Institute, Nanjing, 210024; 5.State Key Laboratory of Urban Water Resources and Environment, Harbin Institute of Technology, Harbin, 150090 Abstract: Objective: Remote sensing images of rivers are heterogenous and the intensities of the area inside the background are complicated. Drawing upon the traditional active contour models to segment the remote sensing images of rivers is ineffective. A hybrid active contour model with regional informati