用于图像分割的显著性驱动活动轮廓模型
计算机视觉与模式识别
2022-05-24 v1
摘要
活动轮廓模型在图像分割领域取得了显著成功，能够将复杂目标从背景中分割出来以进行进一步分析。现有模型可分为基于区域的活动轮廓模型和基于边缘的活动轮廓模型。然而，这两种模型都使用直接图像数据来实现分割，并由于图像强度的不均匀性，在初始轮廓位置、噪声敏感性、局部极小值和低效性方面面临许多挑战性问题。图像的显著性图改变了图像表示，使其更具视觉意义。在本研究中，我们提出了一种利用显著性图与局部图像信息（LIF）优势并克服先前模型缺点的新型模型。所提模型由图像的显著性图和局部图像信息驱动，以增强活动轮廓模型的进展。在该模型中，首先计算图像的显著性图以找到显著性驱动的局部拟合能量。然后，将显著性驱动的局部拟合能量与 LIF 模型结合，得到最终的新型能量泛函。该最终能量泛函通过水平集公式表述，并加入调节项以更精确地演化穿过目标边界的轮廓。所提方法的质量在不同的合成图像、真实图像和公开可用数据集（包括医学图像）上得到验证。图像分割结果和定量比较证实了所提模型相比其他分割模型具有轮廓初始化无关性、噪声不敏感性和优越的分割精度。
引用
@article{arxiv.2205.11063,
title = {Saliency-Driven Active Contour Model for Image Segmentation},
author = {Ehtesham Iqbal and Asim Niaz and Asif Aziz Memon and Usman Asim and Kwang Nam Choi},
journal= {arXiv preprint arXiv:2205.11063},
year = {2022}
}