不均匀性嵌入式活动轮廓模型分割相似图像组*

王婵灿，舒志彪（福州大学 数学与计算机科学学院，福建 福州 350108）

不均匀性嵌入式活动轮廓模型分割相似图像组*

王婵灿，舒志彪
（福州大学 数学与计算机科学学院，福建 福州 350108）

提出一种分割灰度不均匀单目标相似图像组的新模型。该模型结合组相似活动轮廓模型（ACGS）和不均匀性嵌入式活动轮廓模型（InH_ACM），同时考虑了图像的灰度、纹理和形状的特征，能有效分割灰度不均匀的图像组，处理图像中的误导信息。另外，采用在GB显著图上自动定位初始轮廓的方法，重新定义了平衡灰度一致性能量和纹理一致性能量的权重。实验结果表明，该方法在分割精度和收敛速度上都有优势。

图像分割；相似图像组；ACGS模型；InH_ACM模型；GB显著图

0 引言

研究发现对于存在误导信息（如背景中有树枝、花丛等）的单张图像，很难得到理想的分割结果。因此，研究者们开始尝试利用多张图像间的相似性，排除干扰。2013年，Zhou Xiaowei等人提出组相似活动轮廓模型［1］（Active Contours with Group Similarity，ACGS），专门针对目标形状相似的单目标图像组进行分割，可以有效地修正由于图像中干扰信息导致的分割错误，其避免了人工标记大量带注释数据，可视为一种无监督的先验形状模型，但该模型一般只对灰度均匀的图像组有效。为了分割灰度不均匀图像，近年来学者们也提出了各种改进模型［2］，这些模型主要利用局部卷积消除局部不均匀性，一般只对灰度变化缓慢的图像有效，对于灰度变化剧烈的图像是无效的。本文采用不均匀性嵌入式活动轮廓模型［3］（Inhomogeneity-embedded Active Contour，InH_ACM）来处理灰度不均匀图像问题。……