论文研究 显著性驱动的局部相似拟合模型分割算法研究.pdf

灰度不均匀和噪声图像的分割是计算机视觉中的难点。现有的活动轮廓模型尽管能够取得较好的分割效果，但仍然对噪声图像分割效果不理想，初始轮廓曲线的选取敏感，优化易陷入局部极小导致演化速度慢等问题。针对该问题，首先使用局部区域灰度的均值和方差拟合高斯分布，构建新的能量泛函，均值和方差随着能量的最小化过程而变化，从而增强了灰度不均匀和噪声图像的分割能力。此外，结合视觉显著性检测算法获取待分割目标的先验形状信息，并自适应地创建水平集函数，从而降低了初始轮廓位置敏感性及计算时间复杂度，实现全自动的图像分割。实验结果证明，提出的算法可以用于灰度不均匀和噪声图像分割，并取得了较好的分割性能，消除了算法对初始轮廓