10.3969/j.issn.1001-0548.2016.05.020
多类变分模型优化的自然图像分割方法
针对自然图像中内容的多样性、复杂性以及随机性,若采用区域内部恒定聚类中心假设的CV(Chan-Vese)模型以及多类水平集模型,则难以有效刻画具有非线性、连续性变化的自然图像内容。该文通过对区域内部自由度调控的多变量学生-t概率密度分布描述,提出了多类非线性变分活动轮廓模型,它打破了区域内部恒定密度的约束。由于多类非线性变分活动轮廓模型缺乏区域外力,容易分割出离散、零碎的噪声区域,通过引入测地线区域外力约束项,能有效分割出区域间的光滑边界。针对多类变分模型的最小化问题是NP难问题,提出对多类变分活动轮廓模型进行离散化表达,然后构建对应的多层图割模型,并利用最大流/最小割优化方式快速求得全局近似最优解。实验表明,该文提出的分割方法能够准确地分割出多类非同质目标区域,且区域之间的边界光滑,视觉效果好。
活动轮廓、图割优化、变分模型、自然图像分割
45
TP391.04(计算技术、计算机技术)
国家自然科学基金U1204610;国家青年科学基金61502432;河南省教育厅重点基础研究项目14A520054,15B520015;河南省人力资源与社会保障厅博士后项目2014022;河南省科技厅重点科技攻关项目152102210001
2016-10-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
824-831