集成边缘和区域信息的格子波尔兹曼模型图像分割

摘要

针对传统水平集方法计算耗时、需要重新初始化等问题,提出一种基于格子波尔兹曼(LB)模型的图像分割方法.该方法引入图像的边缘信息作为LB演化方程的松弛因子,引入区域统计信息作为LB的有源项,二者作为内力和外力共同控制活动轮廓的演化.为了验证该模型,分别对合成图像和真实图像进行了分割试验,并与活动轮廓模型的GAC和CV模型进行了比较,采用面积交迭度和误分率两种指标进行客观评价.结果表明,所提出的算法具有编程简单、计算快速、无需重新初始化的优点,且能实现可选择的全局或局部分割.