本文選題：圖像分割 + 活動(dòng)輪廓模型��； 參考：《西北工業(yè)大學(xué)學(xué)報(bào)》2017年02期

【摘要】：針對(duì)固定尺度活動(dòng)輪廓模型無法快速準(zhǔn)確分割灰度不均勻圖像的問題,提出了一種基于信息熵的自適應(yīng)尺度活動(dòng)輪廓圖像分割模型。首先,利用最大后驗(yàn)概率(MAP)以及貝葉斯分類準(zhǔn)則,提出了一種新型能量泛函,提高了模型對(duì)灰度信息的提取能力,進(jìn)而極大提高了模型對(duì)灰度不均勻圖像的分割準(zhǔn)確度。其次,利用圖像信息熵構(gòu)造了自適應(yīng)尺度算子,使模型能根據(jù)圖像灰度不均程度自動(dòng)調(diào)整尺度,提高了模型對(duì)灰度不均勻圖像的分割速度。最后,為驗(yàn)證文中模型的優(yōu)越性,將該模型與LGDF模型進(jìn)行了對(duì)比,并通過分割時(shí)間、迭代次數(shù)以及相似度等指標(biāo),對(duì)分割結(jié)果進(jìn)行了客觀、定量分析。最終結(jié)果表明,該模型不但對(duì)初始輪廓具有較高魯棒性,而且對(duì)灰度不均勻圖像具有較高的分割準(zhǔn)確性與分割效率。
[Abstract]:An adaptive active contour image segmentation model based on information entropy is proposed to solve the problem that the fixed scale active contour model can not segment gray-scale non-uniform image quickly and accurately. Firstly, using the maximum posterior probability MAP( map) and Bayesian classification criterion, a new energy functional is proposed, which improves the ability of extracting gray level information and greatly improves the segmentation accuracy of the model for grayscale uneven images. Secondly, the adaptive scale operator is constructed by using image information entropy, so that the model can automatically adjust the scale according to the uneven degree of gray level of the image, and improve the segmentation speed of the model to the non-uniform image of gray scale. Finally, in order to verify the superiority of the proposed model, the model is compared with the LGDF model, and the segmentation results are analyzed objectively and quantitatively by using the segmentation time, iteration times and similarity. The results show that the proposed model is not only robust to the initial contour, but also has high segmentation accuracy and efficiency for non-uniform gray-scale images.
【作者單位】： 西北工業(yè)大學(xué)自動(dòng)化學(xué)院;西北工業(yè)大學(xué)機(jī)電學(xué)院;西安交通大學(xué)人工智能與機(jī)器人研究所;
【基金】：中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(3102016ZY013)資助
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邢益良;張榮國(guó);邵永波;劉q;;積分投影與活動(dòng)輪廓相結(jié)合的人眼疲勞識(shí)別[J];計(jì)算機(jī)工程;2010年06期

2 夏利民,谷士文,沈新權(quán);基于活動(dòng)輪廓的運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)分割[J];中國(guó)圖象圖形學(xué)報(bào);1999年08期

3 孫開瓊;江少鋒;陳震;;方向性局部區(qū)域活動(dòng)輪廓血管分割[J];南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

4 李生平,賈振堂,賀貴明,韓艷芳,董梅;綜合利用人臉特征和活動(dòng)輪廓技術(shù)的人臉檢測(cè)及跟蹤算法[J];小型微型計(jì)算機(jī)系統(tǒng);2003年10期

5 王少榮;上官大堰;陳毅松;;雙活動(dòng)輪廓模型[J];計(jì)算機(jī)應(yīng)用研究;2011年10期

6 涂虬;許毅平;周曼麗;;基于全局最小化活動(dòng)輪廓的多目標(biāo)檢測(cè)跟蹤[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

7 趙偉斌;楊小輝;周智恒;;基于活動(dòng)輪廓的物品自動(dòng)檢查系統(tǒng)研究[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2012年23期

8 吉宏偉;何江萍;楊新;;基于層次上下文活動(dòng)輪廓的三維CT肝臟圖像分割[J];生物醫(yī)學(xué)工程學(xué)雜志;2014年02期

9 陳國(guó)華;;測(cè)地活動(dòng)輪廓圖像邊界檢測(cè)技術(shù)研究[J];廣東技術(shù)師范學(xué)院學(xué)報(bào);2007年12期

10 夏利民,谷士文;基于自適應(yīng)活動(dòng)輪廓的圖像分割[J];長(zhǎng)沙鐵道學(xué)院學(xué)報(bào);1999年03期

相關(guān)會(huì)議論文 前2條

1 蔣曉悅;趙榮椿;;一種改進(jìn)的活動(dòng)輪廓對(duì)于圖像的分割[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

2 趙歆波;鄒曉春;張偉偉;周園;;基于活動(dòng)輪廓的葉片CT圖像序列輪廓自動(dòng)提取技術(shù)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

相關(guān)博士學(xué)位論文 前3條

1 孔丁科;幾何活動(dòng)輪廓圖像分割模型的研究[D];浙江大學(xué);2010年

2 涂虬;智能視覺監(jiān)視中目標(biāo)檢測(cè)與跟蹤算法研究[D];華中科技大學(xué);2010年

3 吳海虹;織物組織識(shí)別系統(tǒng)中關(guān)鍵技術(shù)的研究[D];浙江大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 邢益良;活動(dòng)輪廓邊緣提取及其在眼疲勞檢測(cè)中的應(yīng)用[D];太原科技大學(xué);2009年

2 蔣曉悅;基于活動(dòng)輪廓的序列圖像分割方法研究[D];西北工業(yè)大學(xué);2002年

3 馬建國(guó);CT圖像中基于三維活動(dòng)輪廓的肺結(jié)節(jié)分割[D];華中科技大學(xué);2008年

4 劉馳;基于活動(dòng)輪廓的圖像分割算法研究[D];南京理工大學(xué);2014年

5 曹淼科;基于活動(dòng)輪廓和閉合型摳圖的圖像分割算法研究[D];華東師范大學(xué);2015年

6 劉應(yīng)乾;貼壁細(xì)胞圖像分割算法研究[D];山東科技大學(xué);2007年

7 張?jiān)趷?結(jié)合改進(jìn)VFC的活動(dòng)輪廓圖像分割算法研究[D];山東大學(xué);2014年

8 吳鵬翔;基于活動(dòng)輪廓的低溫冷凍細(xì)胞圖像分割算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

9 范英豪;基于幾何活動(dòng)輪廓的SAR目標(biāo)提取技術(shù)研究[D];浙江工商大學(xué);2013年

10 馮金蕾;基于活動(dòng)輪廓和雙目視差的前景目標(biāo)分割算法研究[D];哈爾濱師范大學(xué);2015年

，

本文編號(hào)：1984378