従来のレベルセット分割アルゴリズムが初期輪郭に敏感でノイズに対するロバスト性が低い問題に対し、全局ガウス分布と統計的ノルム測度に基づく分割モデルを提案した。本モデルは画像のエッジ情報と全局領域情報を融合し、対象境界の抽出を実現し、初期輪郭とノイズに対するロバスト性を向上させた。まず、全局情報融合の戦略を採用し、データ項として新しい全局エネルギー項を設計した。同時に、全局エネルギー項と正則化項を用いて初期輪郭を対象境界に駆動し、対象領域の精密な分割を達成した。次に、レベルセット関数のエネルギーを近似する全局ガウス分布を定義し、全局平均と分散を変数として扱った。最後に、反復過程において、交互のレベルセット進化と全局強度の平均および分散推定によりエネルギー最小化を実現した。合成画像、実画像および自然画像に対する実験結果は、提案モデルがガウスノイズ、スポットノイズおよび塩胡椒ノイズに対して優れた分割効果を示すことを示した。さらに、分割精度やアルゴリズム実行時間の面でも、本モデルは他の古典的な能動輪郭モデルより優れている。本研究のモデルは高ノイズ画像の分割精度を向上させ、対象境界の抽出を良好に実現し、分割精度および計算効率の両面で優れた性能を示す。

画像分割;能動輪郭;統計的ノルム;レベルセット;ガウス分布