融合模糊全局和双核局部信息的活动轮廓模型

摘要

尺度可控的局部区域（RSF）活动轮廓模型可用于灰度不均匀图像的分割,但存在初始化敏感和易陷入局部极小值的缺点,从而限制了其实际应用,因此提出了一种结合模糊聚类区域信息的变分水平集活动轮廓模型.该模型采用了模糊均值聚类（FCM）算法对图像进行预处理,将预处理结果二值化后作为下一步水平集演化的初始轮廓,解决了初始化敏感问题;设计了一个灰度域上的核函数,将其与RSF模型的空域核的一个线性组合作为局部能量项,弥补了采样权值仅与空间距离有关的缺陷,提高了分割精度;将聚类分析得到的模糊隶属度作为图像的全局信息,结合改进的CV模型,作为全局拟合力,增加了模型的自适应性,并加快了模型的收敛速度.实验结果表明,该模型能够自动初始化,抗噪性能强,对灰度不均匀图像有很好的分割效果.