结合GVF和气球力的改进GAC分割方法

摘要

推广GAC模型解决了GAC模型易陷入局部极小值的缺陷,但是初始轮廓曲线设置范围小,且容易出现过度分割.GAC_GVF模型利用梯度矢量流(GVF)修改GAC模型的收缩力一项,可以解决这一问题.但是复杂形状图像和多目标图像的GVF力场中存在鞍点和驻点,导致GAC GVF模型对此类图像无法正确分割.本文结合气球力,提出GAC GVF&B模型.当轮廓曲线遇到鞍点和驻点时,气球力会起主导作用,驱动曲线穿过鞍点和驻点继续演化.通过对多幅图像进行实验和比较,表明GAC_GVF&R模型对复杂形状图像和多目标图像的分割是有效且正确,提高了分割速度.