基于局部熵拟合与全局信息的改进活动轮廓模型

为解决活动轮廓模型在分割灰度不均匀的图像时存在的对初始轮廓位置敏感、参数选取繁琐及迭代次数多等问题，构建一种基于局部熵拟合能量与全局信息的改进活动轮廓模型。选取灰度图像的中心作为水平集初始轮廓的中心点，改变轮廓半径的大小以确定初始轮廓的位置。使用局部熵项来増强图像边缘处的响应，将局部熵图像拟合能量项与RSF模型共同构成局部能量项，并引入图像的全局信息来避免陷λ局部极小值。在此基础上修正正则项中的长度项，以提高图像分割的效率。在灰度不均匀的合成图像及真实医疗图像上的实验结果表明与CⅤ模型、RSF模型相比，该模型在进行图像分割时迭代次数较少，精度较髙。