自适应分割弱边缘的活动轮廓模型

山东大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (6): 17-20.

自适应分割弱边缘的活动轮廓模型

戚世乐,王美清

福州大学数学与计算机科学学院, 福建福州 350108

收稿日期:2013-06-19 出版日期:2013-12-20 发布日期:2013-06-19
作者简介:戚世乐（1987- ），女，河南新乡人，硕士研究生，主要研究方向为图像分割. E-mail：913753894@qq.com
基金资助:
国家自然科学基金资助项目（11071270）

Adaptive active contour model for weak boundary extractio

QI Shile, WANG Meiqing

College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350108, China

Received:2013-06-19 Online:2013-12-20 Published:2013-06-19

摘要/Abstract

摘要：

改进LI的保持距离水平集方法,提出自适应分割弱边缘的活动轮廓模型,并证明自适应力的双向性。模型中自适应力的系数加入图像的灰度均值,根据演化曲线的位置自适应的收缩或扩张。结果表明,该方法克服了原LI模型初始轮廓必须完全包围或含在目标物体内的问题,可以任意设置初始轮廓大小及位置,能够分割多目标图像,具有较强的抗噪性。

关键词: 图像分割, 自适应, 偏微分方程, 活动轮廓, 水平集方法

Abstract:

An adaptive active contour model for weak boundary extraction was proposed to improve LI′s distance preserving level set method. Besides, the adaptive force was proved to be bidirectional. The mean gray value of the image was added in the coefficient of the proposed model, so that the adaptive force could shrink or expand adaptively according to the position of the evolution curve. The experimental results showed that the proposed method could overcome the problem of LI′s model, which was that the initial contour must be fully enclosed by or contained within the target object. It was robust with the position of the initial contour and noise, and could segment multitarget images.

Key words: active contour, level set method, image segmentation, partial differential equation, adaptive

戚世乐,王美清. 自适应分割弱边缘的活动轮廓模型[J]. 山东大学学报(工学版), 2013, 43(6): 17-20.

QI Shile, WANG Meiqing. Adaptive active contour model for weak boundary extractio[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2013, 43(6): 17-20.

参考文献

相关文章 15

[1]	周前,李群,朱丹丹,李仪博. 基于M³C自适应虚拟惯量的海上低频风电系统协调惯量响应控制[J]. 山东大学学报 (工学版), 2025, 55(5): 30-39.
[2]	李晓辉,刘小飞,孙炜桐,赵毅,董媛,靳引利. 基于车辆与无人机协同的巡检任务分配与路径规划算法[J]. 山东大学学报 (工学版), 2025, 55(5): 101-109.
[3]	郑晓,陈鹤,周东傲,宫永顺. 基于视频描述增强和双流特征融合的视频异常检测方法[J]. 山东大学学报 (工学版), 2025, 55(5): 110-119.
[4]	高君健,廖祝华,刘毅志,赵肄江. 基于分层多智能体强化学习的个性化与信号控制联合路径引导方法[J]. 山东大学学报 (工学版), 2025, 55(3): 34-45.
[5]	吴正健,吾尔尼沙·买买提,杨耀威,阿力木江·艾沙,库尔班·吾布力. 基于DRCoALTP的印刷体文档图像多文种识别方法[J]. 山东大学学报 (工学版), 2025, 55(1): 51-57.
[6]	刘全金,嵇文,胡浪涛,黄汇磊,杨瑞,李翔,高泽文,魏本征. 基于双解码器的医学图像分割模型[J]. 山东大学学报 (工学版), 2024, 54(6): 8-18.
[7]	张梦雨,何振学,赵晓君,王浩然,肖利民,王翔. 基于AMSChOA的MPRM电路面积优化[J]. 山东大学学报 (工学版), 2024, 54(6): 147-155.
[8]	王辰龑,刘轩,超木日力格. 自适应的并行天牛须优化算法[J]. 山东大学学报 (工学版), 2024, 54(5): 74-80.
[9]	方世超,滕旭阳,王子南,陈晗,仇兆炀,毕美华. 基于自适应掩码和生成式修复的图像隐私保护技术[J]. 山东大学学报 (工学版), 2024, 54(5): 111-121.
[10]	高泽文,王建,魏本征. 基于混合偏移轴向自注意力机制的脑胶质瘤分割算法[J]. 山东大学学报 (工学版), 2024, 54(2): 80-89.
[11]	范黎林,刘士豪,李源,毛文涛,陈宗涛. 基于课程正则化的物理信息神经网络渐进式训练策略[J]. 山东大学学报 (工学版), 2024, 54(1): 11-24.
[12]	刘子一,崔超然,孟凡安,林培光. 基于批归一化统计量的无源多领域自适应方法[J]. 山东大学学报 (工学版), 2023, 53(2): 102-108.
[13]	刘丁菠,刘学艳,于东然,杨博,李伟. 面向小样本目标检测任务的自适应特征重构算法[J]. 山东大学学报 (工学版), 2022, 52(6): 115-122.
[14]	武新章,梁祥宇,朱虹谕,张冬冬. 基于CEEMDAN-GRA-PCC-ATCN的短期风电功率预测[J]. 山东大学学报 (工学版), 2022, 52(6): 146-156.
[15]	许传臻,袭肖明,李维翠,孙仪,杨璐. 基于自适应多分辨率特征学习的CNV分型网络[J]. 山东大学学报 (工学版), 2022, 52(4): 69-75.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	施来顺,万忠义 . 新型甜菜碱型沥青乳化剂的合成与性能测试[J]. 山东大学学报(工学版), 2008, 38(4): 112 -115 .
[2]	李梁，罗奇鸣，陈恩红. 对象级搜索中基于图的对象排序模型（英文）[J]. 山东大学学报(工学版), 2009, 39(1): 15 -21 .
[3]	Yue Khing Toh1 ， XIAO Wendong2 ， XIE Lihua1 . 基于无线传感器网络的分散目标跟踪：实际测试平台的开发应用（英文）[J]. 山东大学学报(工学版), 2009, 39(1): 50 -56 .
[4]	王静,李玉江,张晓瑾, 毕研俊,陈位锁 . 粉煤灰去除水中活性紫KN-B[J]. 山东大学学报(工学版), 2006, 36(6): 100 -103 .
[5]	李辉平, 赵国群, 张雷, 贺连芳. 超高强度钢板热冲压及模内淬火工艺的发展现状[J]. 山东大学学报(工学版), 2010, 40(3): 69 -74 .
[6]	孙从征,管从胜,秦敬玉,程川 . 铝合金化学镀镍磷合金结构和性能[J]. 山东大学学报(工学版), 2007, 37(5): 108 -112 .
[7]	胡天亮,李鹏,张承瑞,左毅 . 基于VHDL的正交编码脉冲电路解码计数器设计[J]. 山东大学学报(工学版), 2008, 38(3): 10 -13 .
[8]	田芳1,张颖欣2,张礼3,侯秀萍3,裘南畹3. 新型金属氧化物薄膜气敏元件基材料的开发[J]. 山东大学学报(工学版), 2009, 39(2): 104 -107 .
[9]	于海波,李宇,余恬,雷虹 . W波段折叠波导慢波系统的尺寸对其冷特性的影响[J]. 山东大学学报(工学版), 2008, 38(3): 90 -94 .
[10]	梁京芸,王明刚,柴家前,刘永庆 . 1.6-二-(N⁵-取代苯基-N¹-二胍)己烷盐酸盐的合成和体外抗菌活性[J]. 山东大学学报(工学版), 2008, 38(3): 104 -107 .