收稿日期
基金项目 挝国家自然科学基金资助项目 教育部重大项目培育基金资助项目
作者简介 烫宋纯贺 男 辽宁鞍山人 东北大学博士研究生 赵 海 男 辽宁沈阳人 东北大学教授 博士生导师
第卷第期
年 月
东 北 大 学 学 报 自 然 科 学 版
Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｅａｓｔｅｒｎ ＵｎｉｖｅｒｓｉｔｙＮａｔｕｒａｌ Ｓｃｉｅｎｃｅ
Ｖｏｌ Ｎｏ
Ａｐｒ
一 种 基 于 区 域 动 态 轮 廓 的 交 互 式 目 标 分 割 算 法
宋纯贺 赵 海 景 巍 朱宏博
东北大学 信息科学与工程学院 辽宁 沈阳
摘 要 研究了以用户与系统之间的交互信息为先验知识的目标分割算法 提出一种基于区域动态轮廓
的交互式目标分割算法
采用基于区域动态轮廓的 ＣＶ 模型及形状先验引导进化思想 并引入了基于滤波后
图像梯度和 Ｌａｐｌａｃｅ 的分段自适应加权算法
为了克服由于对先验差值区域加权而产生的目标轮廓萎缩问题
对所构建的进化模型引入了面积激励项
实验结果表明 算法无需基于精确先验知识训练而获得的先验知识
模型 用户仅需要选择待分割目标的大致区域 算法即可对该区域进行分割 在选用的灰度图像级上 完成分
割所需要的迭代次数仅为基本 ＣＶ 模型的
关 键 词 图像处理 交互式分割 区域动态轮廓 自适应加权
中图分类号 ＴＧ 文献标志码 Ａ 文章编号
Ａｎ Ｉｎｔｅｒａｃｔｉｖｅ Ｏｂｊｅｃｔ Ｓｅｇｍｅｎｔａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ ａ Ｒｅｇｉｏｎ
Ｂａｓｅｄ Ａｃｔｉｖｅ Ｃｏｎｔｏｕｒ
ＳＯＮＧ Ｃｈｕｎ
ｈｅ ＺＨＡ Ｏ Ｈａｉ ＪＩＮＧ Ｗｅｉ ＺＨＵ Ｈｏｎｇ
ｂｏ
Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｅｎｇｉｎｅｅｒｉｎｇ Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ Ｓｈｅｎｙａｎｇ Ｃｈｉｎａ Ｃｏｒｒｅｓｐｏｎｄｉｎｇ
ａｕｔｈｏｒ ＳＯＮＧ Ｃｈｕｎｈｅ Ｅｍａｉｌ ｔｅｄａｃｈｕｎ ｃｏｍ
Ａｂｓｔｒａｃｔ Ｒｅｓｅａｒｃｈ ｗａｓ ｃｏｎｄｕｃｔｅｄ ｏｎ ｏｂｊｅｃｔ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｔｈｅ ｉｎｔｅｒａｃｔｉｖｅ ｉｎｆｏｒｍａｔｉｏｎ
ｃｏｍｐｒｉｓｉｎｇ ｐｒｉｏｒ ｋｎｏｗｌｅｄｇｅ ｂｅｔｗｅｅｎ ｕｓｅｒ ａｎｄ ｓｙｓｔｅｍ Ａｎ ｉｎｔｅｒａｃｔｉｖｅ ｏｂｊｅｃｔ ｓｅｇｍｅｎｔａｔｉｏｎ
ａｌｇｏｒｉｔｈｍ ｗａｓ ｐｒｏｐｏｓｅｄ ｂａｓｅｄ ｏｎ ａｎ ａｃｔｉｖｅ ｃｏｎｔｏｕｒ ｗｉｔｈｏｕｔ ａｎ ｅｄｇｅ ＣＶ ａｎｄ ｔｈｅ ｐｒｉｏｒ ｓｈａｐｅ
Ｄｕｅ ｔｏ ｉｍｐｒｅｃｉｓｉｏｎ ｉｎ ｔｈｅ ｐｒｉｏｒ ｓｈａｐｅ ｕｓｅｒ ｉｎｐｕｔｓ ａ ｗｅｉｇｈｔｅｄ ｐｉｘ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｇｒａｄｉｅｎｔ ａｎｄ
Ｌａｐｌａｃｅ ｗ ａｓ ｉｎｔｒｏｄｕｃｅｄ Ｔｏ ｏｖｅｒｃｏｍｅ ｐｒｏｂｌｅｍｓ ｗｉｔｈ ｏｂｊｅｃｔ ｃｏｎｔｏｕｒ ｓｈｒｉｎｋ ａ ｎｅｗ ａｒｅａ ａｃｔｕａｔｏｒ
ｗａｓ ｉｎｔｒｏｄｕｃｅｄ Ｔ ｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｄｉｄ ｎｏｔ ｎｅｅｄ ａ ｐｒｉｏｒ ｋｎｏｗｌｅｄｇｅ ｍｏｄｅｌ ｏｂｔａｉｎｅｄ ｂｙ
ｔｒａｉｎｉｎｇ ｂａｓｅｄ ｏｎ ａｃｃｕｒａｔｅ ｐｒｉｏｒ ｋｎｏｗｌｅｄｇｅ Ｔｈｅ ｕｓｅｒ ｏｎｌｙ ｎｅｅｄｅｄ ｔｏ ｃｈｏｏｓｅ ａｎ ａｐｐｒｏｘｉｍａｔｅ ｒｅｇｉｏｎ
ｏｆ ｏｂｊｅｃｔ ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｗａｓ ａｂｌｅ ｔｏ ｓｅｇｍｅｎｔ ｔｈｅ ｒｅｇｉｏｎ Ｇｉｖｅｎ ｔｈｅ ｓｅｌｅｃｔｅｄ ｇｒａｙ
ｓｃａｌｅ ｌｅｖｅｌｓ ｔｈｅ ｉｔｅｒａｔｉｖｅ ｆｒｅｑｕｅｎｃｙ ｗａｓ ｏｎｌｙ ａｂｏｕｔ ｏｆ ｔｈｅ ｂａｓｉｃ ＣＶ ｍｏｄｅｌ
Ｋｅｙ ｗｏｒｄｓ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｉｎｔｅｒａｃｔｉｖｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｒｅｇｉｏｎ ａｃｔｉｖｅ ｃｏｎｔｏｕｒ ａｄａｐｔｉｖｅ ｗｅｉｇｈｔ
图像分割是图像处理中的重要研究内容 也一
直是一个很困难的问题
目前自动分割方法虽然在
一些方面取得了一定的成功 但还远远不能满足图
像处理实践中对分割结果准确性的要求
因而 近
年来由用户参与控制 引导的交互式分割方法在
医学图像分割中正受到越来越多的关注
本文提出了一种基于区域的交互式分割算法
ｉｎｔｅｒａｃｔｉｖｅ ｏｂｊｅｃｔ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｒｅｇｉｏｎ
ａｃｔｉｖｅ ｃｏｎｔｏｕｒ ＩＳＲＡＣ
模型的基本思路是 在基
于区域的活动轮廓模型基础上 将用户的输入信
息作为先验形状ｓｈａｐｅ ｐｒｉｏｒ
与基本先验形状分
割相似 本模型也采用最小化当前水平集与先验
水平集差值的方法来进行目标分割
但与基本的
先验形状分割不同的是 用户的输入信息是不精
确的 需要进一步依靠图像本身的特性进行分割
因此本文提出的模型参考用户选择区域的统计信
息 并根据图像的梯度和 Ｌａｐｌａｃｅ 值对当前水平
集与先验水平集的差值进行加权
基于区域的图像分割
本文所提出的模型可以基于任意一种基于区
域的图像分割模型
这里选用 Ｃｈａｎ 和 Ｖｅｓｅ 所提
资源评论
