基于模糊聚类与Retinex理论的多相图像分割方法

摘要

由于不同对象区域之间强度范围的重合,在存在灰度不均匀的情况下很难分割图像。针对这一问题,通过引入模糊隶属度函数,提出一种新的基于Retinex理论的多相图像分割模型。该方法允许每个像素点以不同隶属度同时归属于多个区域,可真实反映出图像的不确定性,并通过极小化能量泛函实现对目标物体的提取。同时在交替极小化方法的框架下,设计一种有效的算法对模型进行数值求解。实验结果表明,该模型对于灰度不均匀的真实图像和医学图像均能有效进行分割,SA指标和Dice指标的平均值分别达到0.950 6和0.914 1。相比于相关的代表性算法,Dice值提升了0.002 7~0.010 7,k值提升了0.002 9~0.011 7。