综合区域与梯度信息的无初始化图像分割

颜廷秦，周昌雄，刘淑芬

(苏州市职业大学 电子信息工程系，江苏 苏州 215104)

综合区域与梯度信息的无初始化图像分割

颜廷秦，周昌雄，刘淑芬

(苏州市职业大学 电子信息工程系，江苏 苏州 215104)

在无初始化水平集图像分割模型中,为解决弱边界、噪声图像的过分割,提出综合区域信息与梯度信息的无初始化图像分割方法.该方法综合利用图像梯度信息和区域的灰度信息构造外部能量函数,驱动目标轮廓曲线稳定地收敛于目标边界,同时,引入距离约束函数作为内部能量,保证水平集函数不偏离符号距离函数,避免水平集进化的初始化过程.实验结果表明,该模型对初始轮廓无要求,对弱边界图像和噪声图像有很好的分割效果.

图像分割；水平集；无初始化；区域信息；梯度

Abstract:In the model of image segmentation without initialization, the paper proposes a new image segmentation of integrated regional information and gradient information without initialization to avoid over segmentation of image with dim boundary or noise. The method makes use of gradient information of image and regional gray level information to establish external energy function, which drives the target contour to remain steadily within the boundary.Meanwhile, distance constraint function is used as the internal energy to make sure that the level set function does not deviate from the signed distance function, avoiding initialization of level set evolution. Experiments show that the model has no demand for initial contour. It produces ideal effect of segmentation for images with low boundary and noise.

Key words:image segmentation; level set; without initialization; regional information; gradient

图像分割就是把图像分成具有不同特性的多个区域，从而划分、提取目标的技术过程，是图像处理的一种基本方法.图像分割研究工作者在不同时期提出了多种图像分割方法.Osher-Sethian[1]于1988 年提出的水平集方法，能够适应拓扑结构变化，在模型中可以融入区域、梯度等多种信息，具有较强鲁棒性，得到了广泛的应用[2-4].变分水平集[5]的图像分割方法可以在能量函数中自然地融入附加约束信息，如基于图像区域[6]、边缘的信息[7]，从而具有更强的鲁棒性.Chan-Vese[6]提出的简化M-S模型，是变分水平集模型的典型应用，该模型通过在能量函数中引入基于区域的信息作为外部约束能量，使模型具有……