由调和波动尔曼签名引导的形状先验分段方法

本文提出了一种由调和波动尔曼签名（HBS）引导的新型形状先验分段方法。HBS 是一种完全捕获二维简单连通形状的形状表示，能够抵抗扰动，并对平移、旋转和缩放具有不变性。所提方法将 HBS 融入准共形保持拓扑分段框架，利用形状先验知识显著提升分段性能，尤其适用于低质量或遮挡图像。关键创新在于将优化过程分为两个迭代阶段：1）计算准共形变形映射，将单位圆变换到目标分段区域，驱动因图像数据及其他正则化项；2）随后以其波动尔曼系数与参考 HBS 之间 $L_2$ 距离最小化为目标，对该映射进行后续精炼。这种受形状约束的精炼确保分段遵循参考形状，利用 HBS 所具备的固有不变性、鲁棒性以及辨识形状判别能力。广泛的合成和真实图像实验表明，该方法在基准方法上显著提升分段精度，消除预处理需求，抵抗噪声干扰，并灵活获取和应用形状先验。总体而言，HBS 分段框架为稳健地纳入形状先验知识提供了有效策略，从而推动了关键底层视觉任务的进步。