基于显著性区域的图像分割

被引：4

作者：

高尚兵 ^{[1
,2
]}

严云洋 ^{[1
,2
]}

宗慧 ^{[1
]}

机构：

[1] 淮阴工学院计算机工程学院

[2] 南京理工大学计算机科学与技术学院

来源：

微电子学与计算机 | 2011年 / 28卷 / 10期

关键词：

显著图; 水平集; 频谱残差; 图像分割;

D O I：

10.19304/j.cnki.issn1000-7180.2011.10.006

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

在经典的Chan-Vese模型中结合显著性分析,提出了一种有效的目标分割方法.即首先利用频谱残差方法提取图像的显著性区域,针对阈值分割方法的缺点使用改进的自适应阈值分割方法获取目标的大致轮廓,并以此轮廓作为Chan-Vese模型中初始曲线.该方法使得活动轮廓可以从靠近目标物体的位置进行演化,去除复杂背景的干扰.这样就解决了背景复杂时无法得到较为准确的边缘的问题;同时,也减少了CV模型的迭代次数.实验结果表明无论是背景复杂的灰度图像还是医学彩色图像,该算法的分割精度和运行效率都优于CV模型.

引用

页码：21 / 23+27 +27

页数：4

共 4 条

[1] 一种基于水平集的运动视频对象分割算法 [J].

陆悌亮 ;

龚声蓉 .

微电子学与计算机, 2007, (07) :105-107

[2] Active contours without edges for vector-valued images [J].

Chan, TE ;

Sandberg, BY ;

Vese, LA .

JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, 2000, 11 (02) :130-141

[3]

A saliency-based search mechanism for overt and covert shifts of visual attention[J] . Laurent Itti,Christof Koch.Vision Research . 2000 (10)

[4]

Segmentation of edge preserving gradient vector flow:Anapproach toward automatically initializing and splitting ofsnakes. Fox C. IEEE Conference on ComputerVision and Pattern Recognition . 2005

← 1 →