一种新的基于自适应分数阶的活动轮廓模型

张桂梅; 徐继元; 刘建新

doi:10.7544/issn1000-1239.2017.20160301

一种新的基于自适应分数阶的活动轮廓模型

¹(江西省图像处理与模式识别重点实验室(南昌航空大学) 南昌 330063)
²(西华大学机械工程学院成都 610039) (guimei.zh@163.com)

基金项目: 国家自然科学基金项目(61462065)；江西省自然科学基金项目(20151BAB207036)；江西省科技支撑计划基金项目(20161BBF60091)

详细信息

中图分类号: TP391.41
计量
- 文章访问数: 945
- HTML全文浏览量: 1
- PDF下载量: 616
出版历程
- 发布日期: 2017-04-30

A New Active Contour Model Based on Adaptive Fractional Order

¹(Key Laboratory of Jiangxi Province for Image Processing and Pattern Recognition (Nanchang Hangkong University), Nanchang 330063)
²(School of Mechanical Engineering, Xihua University, Chengdu 610039)

摘要

摘要: 区域可调拟合(region scalable fitting, RSF)活动轮廓模型在分割弱纹理、弱边缘图像时，优化易陷入局部极小导致曲线演化速度缓慢；同时该模型中的局部拟合项为高斯核函数，导致目标的边界模糊，影响分割精度.针对该问题，提出了一种基于自适应分数阶的活动轮廓模型，用于图像的分割.首先将全局G-L(Grünwald-Letnikov)分数阶梯度融合到RSF模型中，以增强灰度不均匀和弱纹理区域的梯度信息,从而提高对曲线初始位置选择的鲁棒性，并提高了图像分割的精度和速度；然后用双边滤波函数替换局部拟合项中的高斯核函数，解决了高斯核函数在演化过程中造成的边界模糊问题;最后根据图像的梯度模值和信息熵构建自适应分数阶阶次的数学模型，并计算出最佳分数阶阶次.理论分析和实验结果均表明:提出的算法可以用于灰度不均匀和弱纹理、弱边缘区域的图像分割，并能根据图像的特征自适应计算最佳分数阶阶次，避免曲线演化陷入局部最优.用多幅图像进行实验，得出该方法的分割精度和分割效率都有较大提高.
- Grünwald-Letnikov分数阶 /
- 自适应分数阶 /
- RSF模型 /
- 活动轮廓模型 /
- 图像分割
Abstract: Region scalable fitting (RSF) active contour model has limitation in segmenting image with weak texture and weak edge, troubled by inclining to local minimum and slow evolution speed. Aiming at the problem, this paper proposes a new active contour model with fractional order derivative operator capable of adjusting degree adaptively. Firstly, the global Grünwald-Letnikov (G-L) fractional gradient is integrated with the RSF model, which can strengthen the gradient of regions with intensity inhomogeneity and weak texture. As a result, both the robustness to initial location of evolution curve and efficiency of image segmentation are improved. Secondly, the Gaussian kernel function in local fitting term is replaced by bilateral filtering, and the blurred boundary caused by Gaussian kernel function in the process of curve evolution can be tackled. Lastly, an adaptive fractional order mathematical model is constructed based on the gradient magnitude and information entropy of image, therefore the optimal fractional degree is adjusted adaptively. Theoretical analysis and experimental results show that the proposed algorithm is capable of segmenting images with intensity inhomogeneity and weak texture. And the optimal degree of fractional order derivative operator can be calculated adaptively. Furthermore, the presented method is capable of avoiding falling into local optimum, thus the efficiency of image segmentation can be improved.
- Grünwald-Letnikov fractional order /
- adaptive fractional order /
- RSF model /
- active contour model /
- image segmentation

HTML全文

参考文献(0)

施引文献(19)

期刊类型引用(11)

1.	李萍，刘金金. 基于改进模糊聚类算法的大数据随机挖掘仿真. 计算机仿真. 2024(02): 496-499+521 . 百度学术
2.	李来存. 基于物联网技术的信息系统数据存储系统. 信息技术. 2024(05): 120-126+132 . 百度学术
3.	何芳州，王祉淇. 知识图谱特征重构下无线传感网络数据存储恢复. 传感技术学报. 2024(07): 1265-1270 . 百度学术
4.	万晓云，张泰，程妍. 基于弹性空间模型的实验室网络数据存储算法. 计算机仿真. 2024(09): 368-371+428 . 百度学术
5.	梁志宏. 电力异构数据集群存储动态副本选择系统. 电子设计工程. 2024(24): 105-109 . 百度学术
6.	孙淳晔，庞亚南，邓芳. 分布式存储在运营商中的应用与研究. 广东通信技术. 2023(02): 71-74 . 百度学术
7.	谢振杰，付伟. 基于可审计多副本的云存储差错副本恢复机制. 计算机应用. 2023(04): 1102-1108 . 百度学术
8.	姜宇鸣，周益民. 海量机载激光点云数据分布式分片存储方法研究. 电子器件. 2023(04): 978-983 . 百度学术
9.	辛明勇，祝健杨，徐长宝，姚浩，刘德宏. 基于循环神经网络的多核处理器层次化存储技术. 电子设计工程. 2023(22): 121-124+129 . 百度学术
10.	梁杨，丁长松，胡志刚. 基于“推荐-学习”的两阶段数据布局策略. 南京师大学报(自然科学版). 2023(04): 80-90 . 百度学术
11.	白亮，郭新营，潘旭东，叶德力·波拉提，古再奴尔·艾再孜. 基于大数据的信息系统资源利用率人工智能预测方法. 电力大数据. 2022(06): 43-48 . 百度学术