基于Bayesian最小誤判的活動輪廓模型

黨紅宇, 唐利明, 徐雅雅

(湖北民族大學 數學與統計學院, 湖北 恩施 445000)

0 引言

圖像分割[1-2]是許多圖像處理和計算機視覺中的基本任務,它旨在將圖像轉換為具有指定標簽的像素區域的集合,并且可以對標記的目標進行定位和區分.圖像分割結果的優劣直接影響后續的分析,但是由于噪聲、背景信息干擾等現象的出現,使得圖像分割變得越來越復雜.因此在圖像分割中如何抑制噪聲和背景的干擾,提高分割精度成為主要研究內容.

在統計學和圖像分割領域,高斯分布是一種廣泛應用的概率分布模型,其在描述及建模自然現象和圖像數據中具有重要作用.在此基礎上,變分水平集活動輪廓圖像分割方法[1-4]基于Bayesian最大后驗估計來構造相關能量泛函,在圖像分割中表現出良好的性能.很多學者在對圖像的目標和背景分割研究時,融入一些統計先驗信息對圖像進行建模[5-6],通常假設目標和背景分別服從不同參數的高斯分布.2001年,Chan等[7]提出了著名的無邊緣活動輪廓模型(CV),假設目標和背景分別服從兩個不同均值的高斯分布,結合最大后驗概率理論,從全局角度構建能量泛函.CV模型對目標和背景內部分布均勻、類間對比度較大的圖像具有良好的效果,但由于它是全局模型對灰度不均圖像分割結果不理想.

為分割灰度不均圖像,Li等[8]提出了基于區域的局部二值擬合模型(LBF).該模型假設在各個局部區域中圖像灰度服從不同均值的高……