本文選題：圖像分割 + 活動輪廓模型��； 參考：《西北工業(yè)大學學報》2017年02期

【摘要】：針對固定尺度活動輪廓模型無法快速準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尺度活動輪廓圖像分割模型。首先,利用最大后驗概率(MAP)以及貝葉斯分類準則,提出了一種新型能量泛函,提高了模型對灰度信息的提取能力,進而極大提高了模型對灰度不均勻圖像的分割準確度。其次,利用圖像信息熵構造了自適應尺度算子,使模型能根據(jù)圖像灰度不均程度自動調整尺度,提高了模型對灰度不均勻圖像的分割速度。最后,為驗證文中模型的優(yōu)越性,將該模型與LGDF模型進行了對比,并通過分割時間、迭代次數(shù)以及相似度等指標,對分割結果進行了客觀、定量分析。最終結果表明,該模型不但對初始輪廓具有較高魯棒性,而且對灰度不均勻圖像具有較高的分割準確性與分割效率。
[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)大學自動化學院;西北工業(yè)大學機電學院;西安交通大學人工智能與機器人研究所;
【基金】：中央高�；究蒲袠I(yè)務費專項資金(3102016ZY013)資助
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 邢益良;張榮國;邵永波;劉q;;積分投影與活動輪廓相結合的人眼疲勞識別[J];計算機工程;2010年06期

2 夏利民,谷士文,沈新權;基于活動輪廓的運動目標的動態(tài)分割[J];中國圖象圖形學報;1999年08期

3 孫開瓊;江少鋒;陳震;;方向性局部區(qū)域活動輪廓血管分割[J];南昌航空大學學報(自然科學版);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輪廓技術的人臉檢測及跟蹤算法[J];小型微型計算機系統(tǒng);2003年10期

5 王少榮;上官大堰;陳毅松;;雙活動輪廓模型[J];計算機應用研究;2011年10期

6 涂虬;許毅平;周曼麗;;基于全局最小化活動輪廓的多目標檢測跟蹤[J];計算機應用研究;2010年02期

7 趙偉斌;楊小輝;周智恒;;基于活動輪廓的物品自動檢查系統(tǒng)研究[J];現(xiàn)代計算機(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輪廓的三維CT肝臟圖像分割[J];生物醫(yī)學工程學雜志;2014年02期

9 陳國華;;測地活動輪廓圖像邊界檢測技術研究[J];廣東技術師范學院學報;2007年12期

10 夏利民,谷士文;基于自適應活動輪廓的圖像分割[J];長沙鐵道學院學報;1999年03期

相關會議論文 前2條

1 蔣曉悅;趙榮椿;;一種改進的活動輪廓對于圖像的分割[A];信號與信息處理技術——第一屆信號與信息處理聯(lián)合學術會議論文集[C];2002年

2 趙歆波;鄒曉春;張偉偉;周園;;基于活動輪廓的葉片CT圖像序列輪廓自動提取技術[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

相關博士學位論文 前3條

1 孔丁科;幾何活動輪廓圖像分割模型的研究[D];浙江大學;2010年

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

3 吳海虹;織物組織識別系統(tǒng)中關鍵技術的研究[D];浙江大學;2006年

相關碩士學位論文 前10條

1 邢益良;活動輪廓邊緣提取及其在眼疲勞檢測中的應用[D];太原科技大學;2009年

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

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

4 劉馳;基于活動輪廓的圖像分割算法研究[D];南京理工大學;2014年

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

6 劉應乾;貼壁細胞圖像分割算法研究[D];山東科技大學;2007年

7 張在愛;結合改進VFC的活動輪廓圖像分割算法研究[D];山東大學;2014年

8 吳鵬翔;基于活動輪廓的低溫冷凍細胞圖像分割算法研究[D];中國科學技術大學;2015年

9 范英豪;基于幾何活動輪廓的SAR目標提取技術研究[D];浙江工商大學;2013年

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

，

本文編號：1984378