融合区域信息Snake模型图像分割

合集下载

几种snake模型在图像分割应用中的对比分析

ｃｆ，＝ｏ始终满足偏微分方程＝ＶＣＮ，对方程求全微分得：（ｆ））（）
＝Ｖ詈０＋・＝妒
ｃｚ。十
定义梯度矢量流场的矢量Ｖｘ）＝【（，）ｙ】（。）ｕｘｙ，，ｖ），其中 “ ｙ和Ｖ）ｙ）是Ｖ（，）的两个分量。将Ｖｘ）替代式（．０ｘｙ（，），３１）中的外部能量函数
信息
科掌
ＶＡ
一§ 一ｌ
几种ｓａｅ型在图像分割应用中的对比分析ｎｋ模
何庆人１何纪锋２
（．１中南大学信息物理工程学院生物医学工程系湖南长沙
．
湖南长沙４０８）１０３
４０８：２中南大学信息科学与工程学院计算机技术系１０３．
ＧＦｓａｅ型。、ｎ模『ｋ
水平集ｓａｅｎ模型的轮廓曲线收敛实验过程和最终结果如图３１示：ｋ－所（下转第９页）ｌ
鼹一
信患科学
模拟环境参数：移动节点为５个，最大移动速度２ｍｓ００／，场景模拟时
，
终收敛结果ｂ图１２初始轮廓曲线与目标边界相交时，气球力ｓａｅ — ｎｋ模型的轮廓曲线收敛过程与结果２ＧＶＦ蛐－・ｋ ■曩
２ＩＧ：．Ｗ模型原理
为使水平集函数巾在演化过程中，其零水平集所对应的平面闭合曲线
一
缺陷，Ｃｈｎｏｅ从另一个角度提出了解决办法［］２。在他的方法中，取

一种基于蚁群算法的Snake模型与MRI分割

Ａｂｔａｔｓｒｃ
Ｓａｅｍｏｅａｅｎｗｄｌｐｌｄｉｍａｅｓｇｎａｉｎ，ｉｈｔｅｖｒｕｓｏａｔｃｎｅｇｎｅａｄｈｇｃｕａｙａｔｉｉｇｎｋｄｌｈｓｂｅｉｅｙａｐｉｎｉｇｅｍｅｔｔｅｏｗｔｈｉｅｆｆｓｏｖｒｅｃｎｉｈａｃｒｃｔｎｎｔａ
（ｅａｔｅｔｆＭａｈｒｉ，ａｆｎｎｅｓｙｏｆｒｔｎＳｉｃｎｅｈｏｏｙＮｎｎｉｎｓＪ，ｈｎＤｐｒｎｔｅｍｔｓＮｎｇＵｉｒｔｆＩｏｍａｉｃｎｅａｄＴｃｎｌｇ，ａｆｇＪｇｕ２ ∞ ｍｏｒｃｉｖｉｎｏｅｉａＣｉａ）
ｉｉａｅＳａｅＴｅａｃｎｒｅａｎｒｙｉｄｅｎｋｄｌｎｅｏｖｎｒｃｓＯａｏｍｏｅｉｔｈｏｃｖｅｉｎ．ｉａｌ，Ａｐｎｔｔｎｋ．ｈｎ。ｅｔｐｔｌｅｅｇｓａｄｄｔＳａｅｍｏｅｉｖｌｉｇｐｏｅｓＳｓｔｖｎｏｔｅｃｎａｅｒｇｏｓＦｎｌＡＣｏ－ｉｉｏｙｔｚｓｔｅｒｓｌａｄｍａｅｉｃｎｅｇｏｔｅｗｏｅｏｔｍ．ｈｘｅｉｎｅｕｔｄｍｏｓｒｔｔａｈｓａｇｒｔｍａｅｍｅｔｉｅｈｅｕｔｎｋｔｏｖｒｅｔｈｈｌｐｉｍｉｍｕＴｅｅｐｒｍｅｔｒｓｌｅｎｔａｅｈｔｔｉｌｏｈｃｎｓｇｎｓｉＭＲｇｓｉｅｍａｅｆｃｉｅｙｆｔｌ．ｅｖＫｅｗｏｄｙｒｓＳａｅｍｏｅＡｎｏｏｙａｇｒｈｎｋｄｌｔｌｎｌｏｉｍＭＲＩｓｇｎａｉｎｃｔｅｍｅｔｔｏ

基于改进Snake模型的医学图像分割

轮廓模型。传统的参数活动轮廓模型（ｎｋＳａｅ模型）要存在两个问题：１初始轮廓必须靠近真实主（）边界，否则Ｓａｅ不能收敛到真实的边缘；２动态轮廓很难逼近凹腔边界，以其应用受到一定的限ｎｋ（）所
Ｖ０．ＮＯ．１３ｌ２
Ａｐｒ．２００１
文章编号：６２— ８１２１）２— ０４— ４１７６７（００００５０
基于改进Ｓａｅ模型的医学图像分割ｎｋ
薛冰高春庚宋书中，丰年，，刘
（．南城建学院计算机科学与工程系，南平顶山４７４；．１河河６０４２济源职业技术学院计算机系，南济源４４０；．南河６６０３河
部能量项，出了一种基于梯度矢量流活动轮廓模型的医学图像分割算法。该算法用梯度矢量流代替图像梯提度进行外部能量的计算，服了传统Ｓａｅ型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表克ｎｋ模
制 … 。针对传统Ｓａｅ型的这些缺点，文对传统Ｓａｅ型的外力项进行改进，梯度矢量场代替ｎｋ模本ｎｋ模用
传统模型的梯度场，运用这一模型对医学图像进行分割。并
１传统Ｓａｅ模型原理ｎｋ
传统的Ｓａｅ型是在内力、ｎｋ模图像力和外部约束力共同作用下移动的变形轮廓线：ｓ（）＝（ｓ，（）ｙｓ）其中ｓ０１为曲线参数，（）， ∈［，］它通过最小化下面的能量函数来达到锁定图像特征的目的］：

图像分割之Snake模型汇总

这些点首尾以景直线相连构成轮廓案线，其中x(s)和果y(s)分别表示每个结控
制点在图像中的坐标位置。
s 是以傅立叶变换形式描述边界的自变量。
Snake Model (蛇模型)
在Snakes的控制点上定义能量函数（反映能量与轮廓之间的关系）：
研究方
研究成
研究总
其中第1项称为弹性能量是v的案一阶导数的模，第果2项称为弯曲能量结，
图像分割之 Snake模型
Introduction (算法简介)
Snake模型是Kass等人在1982年首次提出的基于能量泛函的图像分割方
法，广泛应用于计算机视觉及图像处理，如边缘检测、图像分割、运动
跟踪等，特别应用于图像中感兴趣目标轮廓的提取。
研究背
研究方
研究成
研究总
简单的来讲景，Snake模型就是案一条可变形的参果数曲线及相应的能结量函数，
Key (关键)
那现在关键就在于：
1）这个轮廓研我究们背怎么表示；研究方
研究成
2）这些力怎么景构造，构造哪些案力才可以让目标轮果廓这个地
方的能量最小？
研究总结
Snake Model (蛇模型)
Snakes模型由一组控制点：
研究背v(s)=[x(s研),究y(方s)] s∈[0研, 究1]成
研究总
研究背
研究方
研究成
研究总
在一能个量光函滑数的极圆景小，化弯过曲程能中量，（第弹二性案项能）量驱（使第一轮项廓）线果迅成速为光把滑轮曲廓线线或压直缩结线成，
而图像力（第三项）则使轮廓线向图像的高梯度位置靠拢。
Snake Model (蛇模型)
构造Snake模型的目的是为了调和上层知识和底层图像特征这一对矛盾。

snake模型工作原理

Snake模型算法的基本思想数学模型及工作原理Snake模型是由Kass竽人首次提出的算法，广泛地W用于计算机视觉及图像处理屮的各个领域，如边缘检测、图像分割、运动跟踪等，持别应用于图像中感兴趣目标轮廓的提取。

Snake模型引入高层知识，在处理局部间断的边缘时，提取效果比传统轮廓提取方法要好。

1 Snake模型的基本思想Snake模型乂称为主动轮廓线模型（active eontoiir model）,其星本思想是依据图像信息进行曲线（曲面）演化，使其最终找到目标物体的边界。

这种方法将分割问题转化为最优化问题，利用闭合曲线（或曲而）形变的特定规彳匚定义度量闭合曲线（曲而）形变的能呈函数，通过最小化能呈换数使曲线（曲而）逐渐逼近图像中目标物体的边缘CSnake模型能量函数的设计原则是:有利属性要能导致能量缩小。

有利属性包括曲线（曲而）连续、平滑、与高梯度区域的接近以及其他一些具体的先验知识。

这样，活劝轮廓在取值范围内移动时，就能在能量函数的指导下收敛到局部边界，而且能保持曲线（曲而）的连续和平滑-Snake模型是在曲线（曲面）本身的内力和图像数据的外部约束力作用下的移动的变形轮廓。

作用在Snake模型上的力依据轮廓所在的位置及其形状决定如何在空间局部的变化。

内力和外力的作用是不同的: 内力起平滑约束作用，外力则引导Snake模型向图像特征移动。

2基于Snake模型的轮廓提取方法对于传统的轮廓提取方法，首先要进行基本的边缘检测,然后进行边缘连接、一值化Z后，继而进行轮廓跟踪处理。

在边缘检测时，易受局部噪声影响而产生虚假边缘，或考是不连续的间断边缘，无法保证分割或者提取的结果就是连续光滑的闭合轮廓;此外，基于底层信息的轮廓跟踪，一方而对一•值化过程的依赖性比较人;另一方而，对于间断的边缘，使用上述简单方法将会跟踪失败。

这些都是传统计算机视觉屮分层处理模型所无法解决的问题。

Snake模型为解决轮廓提取任务提供了新的思维方法。

基于snake模型的IVUS图像序列三维分割方法

２１０１年
工程图学学报
ＪＵＲＮＡＬＯＦＥＮＧＩｏＮＥＥＲＩＮＧＧＲＡＰＣＳＨＩ
２１０１
Ｎ０６．
第６期
基于ｓａｅ模型的ＩｎｋＶＵＳ图像序列三维分割方法
孙正，杨宇
（华北电力大学电子与通信工程系，河北保定０１０７０３）
ｓｇｎａｉｎａｐｒａｈｅ．ＴｈｅｐｒｐｏｅｔｄｉｘｐｒｍｅｔｌｖｌａｅｉａｇｅｄｔｓｔｆｅｍｅｔｔｏｐｏｃｓｏｓｄｍｅｈｏＳｅｅｉｎａｌｅａｕｔｄｎＩｒａａｅｓｏｙＩＶＵＳｉａｅｃｉｉａｌｄｒｖｄｆｏｈｍａｏｏａｙａｔｒｅ．ＲｅｕｌｄｍｏｓａｅｔｔＩｍｇｓｌｎｃｌｙｅｅｒｍｕｎｃｒｎｒｒｅｉｓｉｓｔｅｎｔｔｈａＶＵＳｓｒｉｇｓｃｎｂｕｔｍａｉａｌ．ｕｉｋｙａｄｒｌａｙｓｇｍｅｔｄｗｉｈｔｍＯｄｍａｅａｅａｏｔｃｌｙｑｃｌｎｅｉｂｌｅｎｅｔｈｅｍｅ．Ｋｅｗｏｒ：ｃｍｐｕｅｐｐｉａｉ；ｉａｅｍｅｔｔｏｙｄｓｏｔｒａｌｃｔｏｎｍｇｅｓｇｎａｉｎ；ｐａａｌｌｐｒｅｓｎｒｌｏｃｓｉｇ；ｉｔａａｃａｅｎｒｖｓｕｌｒ
ＡｂｔａｔＡＤｐｒｌｌｔｏｒｐｓｄｆｒｓｇｎｉｇｉｒｖｓｕａｌａｏｎＩＵＳｓｃ：３ａｌｈｄｉｐｏｏｅｏｅｍｅｔｔａｃｌｕｔｓｕｄ（ｒａｅｍｅＳｎｎａｒｒＶ）

基于小波变换与Snake模型的肺野图像分割方法

ｐｒｏｂｌｅｍ，ｗｅｐｒｏｐｏｓｅａｌｕｎｇｉｆｅｌｄｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍｗｈｉｃｈｉｓｂａｓｅｄｏｎｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｎｄＳｎａｋｅｍｏｄｅｌｌｇａｏｒｉｔｈｍ
出基于小波变换与Ｓｎａｋｅ模型算法相结合的肺野分割方法。通过对Ｘ射线ＤＲ尘肺胸片特征进行分析，首先在空ｆｑ域对目标图像的边缘进行线性变换增强，然后对图像进行基于小波的多尺度分解，并利用Ｃａｎｎｙ算法对不同尺度的低频图像边缘进行提取和融
关键词
中图分类号
尘肺胸片肺野分割图像增强小波变换多尺度
ＴＰ３１７．４文献标识码Ａ
Ｓｎａｋｅ边缘检测
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００．３８６ｘ．２０１３．１１．０４９
。
｜ｔＳｃｈｏｏｌｑｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ．￣ｅｆｅｉ２３００２６Ａｎｈｕｉ，Ｃｈｔｎｎ。（Ｄｅｐａｒｔｍｅｎｔｆｏｌｎｆｏｒｍａｔｉ。ｎＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｈｕｉＩｎｄｕｓｔｒｉａｌＶｏｃａｔｉｏｎａｌａｎｄＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅ，Ｔｏｎｇｌｉｎｇ２４４０００ＡｎｈＭｉ，Ｃｈｉｎ口）

Snake模型在图像分割中的应用研究

Ｓｎａｋｅｌｉｉ型在国像分割巾硇应用研穷
石河子大学理学院数学系马铃王翠花魏玉姚小顺
［摘要］Ｓｎａｋｅ模型是一种重要的基于边缘的图像分割算法。本文总结了三种经典的ｓｎａｋｅ模型的优缺点，重点分析了ＧＶＦＳｎａｋｅ模型及其改进模型ＧＧＶＦＳｎａｋｅ模型力场的特点，并在针对单个宽型深度凹陷物体、瓶型物体或多次内凹物体的分段轮廓检测算法的基础上，提出了基于ＧＧＶＦＳｎａｋｅ模型的多个凸形物体或窄型深度凹陷物体的分段轮廓检测算法。实验结果表明，该算法可以正确检测出多个凸形物体或窄型深度凹陷物体的完整轮廓。［关键词］图像分割Ｓｎａｋｅ模型ＧＧＶＦ
３．ＧＶＦＳｎａｋｅ模型的改进模型— —ＧＧＶＦＳｎａｋｅ模型由于ＧＶＦＳｎａｋｅ模型无法提取窄型深度凹陷物体完整的轮廓，Ｘｕ等又提出广义梯度矢量流（ＧＧＶＦ）模型：
即
（２．６）
２．１传统Ｓｎａｋｅ模型”
设一条参数曲线Ｃ（ｓ，￡）＝［（，），（５，￡）］ｒ，其中参量Ｃｏ，１］表示曲
线的弧长。设待分割图像为Ｉ（ｘｙ），图像在平面Ｑ上演化，能量函数定义为：
２．三种经典的Ｓｎ）＋１ｌ。Ｉ — ｖｆｌ。蚴
（２．５）

改进的B-Snake模型肝脏CT图像分割算法

改进的B-Snake模型肝脏CT图像分割算法王杰雄;陈国栋;陈怡【期刊名称】《计算机工程与应用》【年(卷),期】2015(000)009【摘要】肝脏模型的个性化是肝脏虚拟手术系统中的一个关键技术，而肝脏模型的个性化又是以肝脏CT图像的三维分割为前提的。

针对B-Snake模型的特点，提出一种结合区域填充的改进B-Snake模型图像分割算法。

将相邻的上一张切片的分割结果映射到当前切片上，根据一定的规则进行区域填充，并将填充后的结果与前一张切片的分割结果按一定的算法进行比较，进一步优化。

得到的初始轮廓很接近肝脏的真实边界，而且大部分曲线已在边界上，将其作为改进的B-Snake模型算法的初始轮廓，只需对其进行部分控制点的优化调整，就可得到准确的分割结果。

以此类推，直到处理完所有切片图。

实验表明，该算法能有效提高分割的准确度，获得较满意的分割结果。

%The personalization of liver models, which is premised on the 3d segmentation of liver CT images, is a key technology in the virtual surgery of liver. Considering the features of B-Snake model, this paper presents an improved B-Snake segmentation algorithm combined with Region Filling. The contour of the adjacent and processed section is mapped on the current section. Based on the contour, it gets a connected region according to Region Filling algorithm and compares the region with the liver region of the adjacent and processed section according to certain algorithm in order to obtain a more accurate contour. The resulting contour is close to the liver boundary, and large amount ofthe control points are on the right boundary. Then, the contour is served as the initial contour of the improved B-Snake algorithm for further processing, resulting in the final segmentation result after the evolution of part of the initial contour. The algorithm will not end untill all sections are processed. Experimental results show that the algorithm can obtain segmentaion result of liver CT images efficiently and accurately.【总页数】6页(P152-157)【作者】王杰雄;陈国栋;陈怡【作者单位】福州大学物理与信息工程学院，福州 350002;福州大学物理与信息工程学院，福州 350002;福州大学物理与信息工程学院，福州 350002【正文语种】中文【中图分类】TP317.4【相关文献】1.基于改进的Snake模型分割肝脏的CT图像 [J], 李玲;殷海2.CT图像中肝脏自动分割算法研究 [J], 张辉;闫谦时3.基于改进CV模型的腹部CT图像肝脏肿瘤分割 [J], 赵彦南;曾业战4.一种改进的B-Snake肝癌图像分割算法 [J], 史延新5.肝脏肿瘤CT图像的分割算法分析 [J], 肖海慧;廖定安因版权原因，仅展示原文概要，查看原文内容请购买。

Snake模型在癌细胞图像分割中的应用

１引言
随着计算机技术的飞速发展，图像处理、模式识别及计算
胞的实际边界非常吻合。
ａｄＡｐｉｔｎ，０８４（）１７１９ｎｐｌａｉｓ２０，４９：９－９．ｃｏ
ＡｂｔａｔＦｒｔｈｓａｔｌｔｄｅｎｔｅｉｇｄｖｓｏｏｉｉｈｓａｒａｙｍａｕｅａｒｓｎｒｔｅｓｒｃ：ｉｓｙｔｉｒｃｅｓｕｉｓｉｈｍａｅｉｉｎｄｍａｎｗｈｃｉｌｅｄｔｒｔｐｅｅｔｏｈｍａｎｔｅｍｔｏｌｉｉｉｓｒａｍｅｈｄａｄｔｅｔｃｎｃｌａｉｒｎｉｌｉｈｉｘｌｒｎ，ｌｏａａｙｅｃｍｐｒｓｔｅｒｎｈｅｈｉａｂｓｃｉｃｐｅｗｈｃｓｅｐｏｇａｓｎｌｚｓｏａｅｈｉｐｉｍｅｔｎｅｅｔ．ｅｒｅｔｔｄｗｉｔｅｉｒｓａｄｄｔｃｓｎａｎｓｙｓｕｙＩｌｔｈｈａａｙｉｎｌｓｓｗｈｃｈｓｎｕｅｉｔｅａｏｓｈｒｃｅｓｉｏａｃｎｍａｓｐａｕｃｌｍａｅａｅｍｏｅｂｓｄｎｈｂｓｃｉｈａｉｄｃｄｎｈｖｒｕｃａａｔｒｔｉｉｃｆｃｒｉｏｅｏｈｇｓｅｌｉｇ，ｎｗｄｌａｅｏｔｅａｉｓａｅｎｋｍｏｅｓｅｉｅａｄｃｏｐｉｅ．ｈｅｐｒｎｃｎｉｍｓｈｉｒｖｍｅｔｄｌｄｖｓｄｎａｃｍ【ｓｄＴｅｘｅｉｉｌｈｍｅｔｏｆｒｔｅｍｐｏｅｎｍｏｅｄｖｓｏｒｓｌｒｕｈｕｂｔｉｄｌｉｉｉｎｅｕｔｏｇｔｐｙｈｓｂａｔｃｅｉｅｔｅｌａｌｔｈｃｕｌｂｕｄｒ；ｎｌｈｓａｉｌａａＴｅｎｔｅｔｎａｉｅｐａｆ￣ｌｗｉｇｗｒ．ｒｌｓｘｒｍｅｙｔｌｗｉｔｅａｔａｏｎａｙｆａｌｔｉｒｃｅｈｓｃ，ｉｄｏｈｅｔｔｌｎｏｉｙｈｉｙｔｖｌｎｏｋｏＫｅｒｓＳａｅｙｗｏｄ：ｎｋｍｏｅ；ｍａｅｄｖｓｏ；ｅｌｂｕｄｒ；ａｃｎｍａｏｓｐａｕｅｌｄｌｉｇｉｉｎｃｌｏｎａｃｒｉｏｅｏｈｇｓｃｌｉｙ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｌｏｏｃｎｂｌｏｏｃｎｋｄｌｗｔａａｌｏｃｎｉｔｅｒｇｏａｎｏｍａｉｎｉｉｃｕｅｇｉｅｏｎｅｕｖｓｔｖｌｅｗｔｈｏｎｆｒｅｉａｌｎｆｒｅＳａｅｍｏｅｉｖｒｂｅｆｒｅｉｔｈｅｉｎｌｉｆｒｔｓｎｌｄｄ．ｕｄｓｃｕｔｒｃｒｅｏｅｏｖｉｔｅｏｈｉｏｈｃｉｒｎｏｘｍｉｉｇｔｅｄｓａｃｆｖｒｇｒｙｖｌｅｆｗｅｉｎｆｔｅｔｒｅｎｈａｋｏｎ．ｘｅｉｎａｅｕｔｈｗｔａｈｒｅｏｆｍａｉｚｎｉｔｎｅｏｅａｅｇｅａｕｓｏｏｒｇｏｓｏｈａｇｔａｄｔｅｂｃｇｕｄＥｐｒｍｅｔｌｒｓｌｓｏｈｔｔｅｔｉｈａｔｒｓｐｏｏｅｄｌｉｉｓｎｉｖｏｉｉａｏｔｕｓｐｓｉｎａｄｃｎｓｇｎｍａｅａｔｍａｉａｌ．ｎａｄｔｎｔｅｔｓｉｇｆｒｓｇｎａｉｎｏｅｒｐｓｄｍｏｅｓｎｅｓｔｅｔｎｔｌｃｎｏｒｏｉｏｎａｅｍｅｔｉｇｕｏｔｌＩｄｉｏ，ｈｅｔｏｅｍｅｔｔｆｔｉｉｔｃｙｉｎｏｈ
（ｐｒｅｔｆＥｅｔｎｃｎｎｏｍｔｎｌｎｉｅｒｇＳｚｏｏａｉａｏｅｅＳｚｏ１１４ＪａｇｕＣｉａＤｅａｔｎｌｒｉａｄＩｒａｉａｇｎｅｉ，ｕｈｕＶｃｔｎｌｌｇ，ｕｈｕ２５０，ｉｎｓ，ｈｎ）ｍｏｃｏｆｏＥｎｏＣｌ。ＣｌｇｐｏｌｔｎｃＥｇｎｅｎＮｎｎｎｖｒｔｏｔａｄＴｌｏｕｉｔｎ，ｍｉｇ２００，ｉｎｓＣｉａ（ｏｌｅｏｔｅｒｉｎｉｅｒｇ，ａｆｇＵｉｓｙｏｓｎｅｃｍｍｎｃｉｓＮａｎ１０３Ｊａｇｕ，ｈｎ）ｅｆＯｅｃｏｉｉｅｉｆＰｓｅａｏ
第２７卷第９期
２１００年９月
计算机应用与软件
ＣｏｍｐｕｅｔｒＡｐｐｉａｉｎｎｏｔｒｌｃｔｏｓａｄＳｆｗａｅ
Ｖ０．７Ｎｏ．１２９Ｓｐ．２０ｅ０１
融合区域信息Ｓａｅ模型图像分割ｎｋ
ｓｇｅｔｔｏｔｏｓｄｏｎｋｅｍｏｅｎｏｐｒｔｄｗｉｈｒｇｏａｎｏｍａｉｎｗａｏｏｅｄｉｈａｅ．ｅｍｏｌｒｐｌｃｓｃｎｔｎａ— ｅｍｎａｉｎｍｅｈｄｂａｅｎＳａｄｌｉｃｒｏａｅｔｅｉｎｌｉｆｒｔｏｓｐｒｐｓｎｔｅｐｐｒＴｈｄｅｅａｅｏｓａｔｂｌ
周昌雄刘淑芬王峰范海健徐荣青
（苏州市职业大学电子信息工程系江苏苏州２５０）１１４
（京邮电大学光电工程学院南江苏南京２００１０３）
摘
要
针对传统的参数活动轮廓（ｎｋ）型对初始轮廓曲线非常敏感，出融合区域信息Ｓａｅ模型图像分割。该方法将气Ｓａｅ模提ｎｋ
球力Ｓａｅ模型中的恒定气球力替换为包含区域信息的变力，目标和背景两区域平均灰度值距离最大为准则，导轮廓曲线进ｎｋ以引
化。实验结果表明，该模型对初始轮廓位置不敏感，能实现自动分割；并且对于带噪声图像，该ｓｒｃｂｔａｔ
Ｔａｉｏａｐｒｍｔｃａｔｅｃｎｏｒ（ｎｋ）ｍｏｅｉｖｒｓｎｉｖｉａｃｎｏｒｕｖｏｉｏ．ｎｌｈｆｈｓａｇｒｄｔｎｌａａｅｒｃｉｏｔｕＳａｅｉｉｖｄｌｓｅｙｅｓｉｔｉｔｌｏｔｕｒｅｐｓｉＩｇｔｉ，ｎｉｅｔｅｏｎｉｃｔｎｉｏｔｍａ
关键词区域信息图像分割Ｓａｅ模型ｎｋ
ＩＡＧＥＥＧＭＥＮＴＡＴＩＭＳｏＮＢＡＳＥＤｏＮＮＡＫＥｏＤＥＬＳＭＩＮＣｏＲＰｏＲＡＴＥＤＩＷＴＨＲＥＧＩｏＮＡＬＮＦｏＲＭＡＴＩＩｏＮ
Ｚｏｈｎｘｎ。ＬｕＳｕＷａｇＦｎＦｎＨｉａＸｏｇｉｇｈｕＣａｇｉｇｏｉｈ￣ｎｎｅｇａａｉｊｎｕＲｎｑｎ
ｎｉｅｃｒｕｅｍａｅｈｓａｓｔｓｉｄｅｆｃｓｗｅ１ｏｓ－ｏｒｐｔｄｉｇａａｉｆｅｆｅｔａｌ．
Ｋｅｗｏｄｙｒｓ
ＲｇｏａｎｏｍａｉｎＩｇｅｍｅｔｔｎＳａｅｍｏｅｅｉｎｉｆｒｔｍａｅｓｇｎａｉｎｋｄｌｌｏｏ