전통적인 레벨셋 분할 알고리즘이 초기 윤곽선에 민감하고 잡음에 대한 강인성이 부족한 문제를 해결하기 위해, 전역 가우시안 분포와 통계적 노름 측정을 기반으로 하는 분할 모델이 제안되었다. 이 모델은 영상의 경계 정보와 전역 영역 정보를 융합하여 객체 경계 추출을 실현하고 초기 윤곽선 및 잡음에 대한 강인성을 향상시킨다. 먼저, 전역 정보 융합 전략을 사용하여 데이터 항으로서 새로운 전역 에너지 항을 설계하였다. 동시에 전역 에너지 항과 정규화 항을 이용하여 초기 윤곽선을 목표 경계로 유도하여 목표 영역을 정확하게 분할한다. 둘째, 레벨셋 함수의 에너지를 근사하는 전역 가우시안 분포를 정의하고 전역 평균 및 분산을 변수로 설정하였다. 마지막으로 반복 과정에서 교차하는 레벨셋 진화와 전역 강도 평균 및 분산 추정을 통해 에너지 최소화를 달성한다. 합성 영상, 실제 영상 및 자연 영상에 대한 실험 결과, 제안된 모델은 가우시안 잡음, 스펙클 잡음 및 소금과 후추 잡음에 대해 우수한 분할 성능을 보였다. 또한 분할 정확도와 알고리즘 실행 시간 측면에서 본 모델은 다른 고전적인 능동 윤곽선 모델보다 뛰어났다. 본 논문 모델은 고잡음 영상의 분할 정확도를 향상시키고 목표 경계 추출을 잘 구현하였으며, 분할 정확도와 계산 효율성에서 우수한 성능을 나타낸다.

영상 분할;능동 윤곽선;통계적 노름;레벨셋;가우시안 분포