基于改进活动轮廓模型的图像分割

王芳; 潘杰

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进活动轮廓模型的图像分割

更新时间：2026-09-04

- 基于改进活动轮廓模型的图像分割
- Image Segment Based on Improved Active Contour Model
- 微电子学与计算机 2016年33卷第6期页码：113-116
- 作者机构：
  
  郑州升达经贸管理学院机构信息工程系,河南,郑州,451191
- 作者简介：
- 基金信息：
  
  2015年度河南省重点科技攻关项目 152102210176
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
王芳, 潘杰. 基于改进活动轮廓模型的图像分割[J]. 微电子学与计算机, 2016, 33(6): 113-116.

WANG Fang, PAN Jie. Image Segment Based on Improved Active Contour Model[J]. 2016, 33(6): 113-116.
王芳, 潘杰. 基于改进活动轮廓模型的图像分割[J]. 微电子学与计算机, 2016, 33(6): 113-116. DOI：

WANG Fang, PAN Jie. Image Segment Based on Improved Active Contour Model[J]. 2016, 33(6): 113-116. DOI：

摘要

为了增加图像分割的稳定性

提高图像的分割精度

提出一种改进活动轮廓模型的图像分割方法.首先选择目标内部点作为轮廓初始点

使初始点向边界点膨胀

保证图像轮廓边缘的连续性

然后采用改进贪婪算法去除了活动轮廓收缩趋势

防止出现控制点堆积现象

最后采用仿真试验对图像分割的效果进行分析

结果表明

改进活动轮廓模型不仅可以实现图像的准确分割

而且对噪声具有较强的鲁棒性

分割误差要小于其他分割模型

具有广泛的应用前景.

Abstract

In order to increase the stability of image segmentation and improve accuracy of image segmentation

this paper proposed an image segmentation method based on improved active contour model. Firstly

internal target contour is select as the initial point

and the initial point expand to boundary point to make more continuous and smooth edge

and secondly improved greedy algorithm is used to remove the shrinkage tendency of active contour

and prevent accumulation phenomenon of control points

finally

simulation experiment is used to analyze the effect of image segmentation. The results show that improved active contour model not only can achieve the accurate segmentation of image

but also has strong robustness to noise

and segmentation error is smaller than other image segmentation models

and has wide application prospects.

关键词

Keywords

references

张小红, 宁红梅. 基于混沌粒子群和模糊聚类的图像分割算法[J]. 计算机应用研究, 2011, 28(12): 4786-4789. DOI: 4786

沙秀艳, 辛杰. 基于最大熵的模糊核聚类图像分割方法[J]. 计算机工程, 2011, 37(10): 187-191. DOI: 187

周智恒, 钟辉强, 戴铭. 一种动态的梯度向量流模型[J]. 华南理工大学学报(自然科学版), 2015, 43(9): 20-28. DOI: 20

高业文, 熊鹰, 潘晶晶, 等. 基于IGA与GMM的图像多阈值分割方法[J]. 计算机应用研究, 2012, 29(3): 1130-1135. DOI: 1130

黄保山, 滕炯华. 基于偏移场修正的C-V模型水平集图像分割算法[J]. 西北工业大学学报, 2013, 31(2): 218-222. DOI: 218

ahoo P K, Soltani S, Wong A K C, et al. A survey of threshold techniques[J]. Computer Vision, Graphics and Image Processing, 2008, 41(2): 233-260. DOI: 233

陈婷婷, 程小平. 采用模糊形态学和形态学分水岭算法的图像分割[J]. 西南大学学报, 2008, 30(3): 142-145. DOI: 142

何月, 申铉京, 龙建武, 等. 基于塔形信息的空间约束FCM图像分割算法[J]. 计算机工程, 2011, 37(22): 209-210. DOI: 209

马华, 张永, 贾桂霞. 改进的遗传模糊聚类算法对图像的分割[J]. 计算机工程与设计, 2006, 27(13);2357-2360.

周鲜成. 图像分割方法及其应用研究综述[J]. 信息技术, 2007, 32(12): 11-14. DOI: 11

赵伟舟, 宋建社. 基于模糊集的图像阈值分割算法研究[J]. 微电子学与计算机, 2003, 23(5): 118-120. DOI: 118

顾英杰, 贾振红, 覃锡忠, 等. 蛙跳结合模糊C-均值的图像分割算法[J]. 通信技术, 2012, 44(2): 118-221. DOI: 118

杨润玲, 高新波. 基于加权模糊c均值聚类的快速图像自动分割算法[J]. 中国图像图形学报, 2007, 12(12): 2105-2112. DOI: 2105

张俊娜, 冯云芝. 基于量子最大熵多阈值算法的图像分割研究[J]. 激光与红外, 2013, 43(5): 1-5. DOI: 1

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于机器学习的头发自动分割研究进展

基于双鸟群混沌优化的otsu图像分割算法

模糊聚类图像分割后处理

基于云遗传算法的阈值图像分割法

基于区域色彩空间和LBP算法的图像分割