融合各向异性扩散信息的图像分割

• 作者: 宋凯乐 马嵩华
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 图像分割 噪声 边缘识别 水平集 各向异性扩散
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 303-310
• 页数: 8页
• 分类号: TP391
• 字数: 4075字
• 语种: 中文

摘要

目的 图像因各种因素的影响存在一定程度的噪声,而噪声会在图像分割时影响待分割目标的边缘识别,导致分割结果难以达到理想状态.针对以上问题,在距离规则化水平集(DRLSE)演化模型的基础上,提出一种将各向异性扩散散度场信息融合到DRLSE模型中的新模型.方法 将水平集函数初始化为分段常数表达式,设定演化方程中的参数和水平集函数演化过程中的迭代时间步长△t.随后将常值权系数α替换为融合各项异性扩散散度场信息的变权系数α(I),对水平集函数的演化方程进行迭代演化,直至收敛到目标边缘.输出最终演化轮廓.结果 对选自Weizmann数据库的图像和经过人为改造的的图像进行图像分割实验,采用迭代时间和评价分割结果相似性的J系数(Jaccard相似性系数)和D系数(Dice相似性系数)等定量指标进行评价.对无噪声图像和噪声图像分割时,本文模型的J系数和D系数均比DRLSE模型的值大,表明本文模型的分割结果与真值图像的相似性较高.在分割时间方面,仅在分割背景简单边缘清晰的无噪声图像时,本文模型较DRLSE模型略长;在分割边缘清晰、背景灰度不均匀和边缘模糊、背景灰度不均匀的无噪声图像以及人为添加噪声的各种情况下,本文模型分割时间均明显短于DRLSE模型.其中,对边缘模糊、背景灰度不均匀的无噪声图像,本文模型分割时间为3.718 s,较DRLSE模型短9.523 s;对存在噪声、待分割目标存在凹区域且边缘模糊背景灰度不均匀图像,本文模型分割时间为4.235 s,较DRLSE模型短35.165 s.结论 实验结果表明,融合了各向异性扩散信息的DRLSE模型在图像分割尤其是噪声图像分割方面,具有明显的有效性、高效性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马嵩华	山东大学高效洁净机械制造教育部重点实验室	5	18	2.0	4.0
2	宋凯乐	山东大学机械工程学院	1	0	0.0	0.0