능동 윤곽 모델(Active Contour Model, ACM)은 가장 널리 사용되는 이미지 분할 도구 중 하나가 되었지만, 그레이스케일이 고르지 않은 이미지 처리 시 기존 알고리즘은 시간이 많이 소요되고 분할 정확도가 급격히 떨어지는 문제가 있습니다. 이에 본 논문에서는 지역 이미지 정보를 결합하여 이미지 분할에 사용되는 통계적 노름을 제안합니다. 먼저, 새로운 바이어스 필드 모델을 이용해 이미지를 모델링하여 이미지의 그레이스케일 불균일성을 관측 이미지의 한 구성 요소로 분해합니다. 전통적인 승법 바이어스 필드와 달리, 가법 바이어스 필드 모듈은 에너지 함수가 새로운 차원에서 이미지의 질감 정보를 추출할 수 있도록 합니다. 둘째, 지역 정보 융합 전략을 적용해 윤곽의 내외부 특징 적합 맵을 계산합니다. 마지막으로, 통계적 노름을 사용해 특징 적합 맵과 원본 특징 맵 간의 유사성을 특성화합니다. 따라서 새롭게 설계된 에너지 함수는 계층적 지역 특징, 전역 공간 일관성 및 다중 규모 추상 표현을 활용하여 복잡한 배경의 이미지를 처리합니다. 실험 결과, 비동질적 의료 영상 분할 시 본 모델은 50회 반복만 필요하며, 다른 모델들은 100회 이상 반복합니다; 알고리즘 실행 시간은 8초에 불과하지만 나머지 모델들은 훨씬 오래 걸립니다. 또한 객관적 평가 지표를 사용해 제안 알고리즘을 평가한 결과: DC 지표 평균값은 0.9851, FP 지표 평균값은 0.0052, JCS 지표 평균값은 0.9706, P 지표 평균값은 0.9947, TP 지표 평균값은 0.9757로 나타났습니다. 본 모델은 더 많은 질감 구조 정보를 추출할 수 있으며, 그레이스케일 불균일성과 초기 윤곽에 대해 강한 강인성을 갖습니다.

능동 윤곽;통계 노름;가법 바이어스 필드;레벨 세트;그레이스케일 불균일성