摘要: 针对高斯分布拟合模型对初始轮廓敏感的问题,提出一个基于局部灰度聚类的高斯分布拟合模型.新模型根据图像局部像素灰度聚类特点,采用灰度偏移场和一个分片常量函数共同拟合图像的局部灰度均值,实现了图像全局信息和局部信息的有机结合,使轮廓可以从任意初始位置向目标边缘演化,最后收敛在边缘上.新模型采用一种快速有效的数值方法实现,水平集函数在整个演化过程中不必重新初始化,活动轮廓演化速度得到显著提高.实验结果表明,本文算法能够在不同的轮廓初始化情况下获得准确的分割结果.
中图分类号:
于晓升, 胡楠. 基于局部灰度聚类的高斯分布拟合模型[J]. 东北大学学报:自然科学版, 2017, 38(2): 185-189.
YU Xiao-sheng, HU Nan. Gaussian Distribution Fitting Model Based on Local Intensity Clustering[J]. Journal of Northeastern University Natural Science, 2017, 38(2): 185-189.