摘要：针对Chan-Vese（CV）模型对含有伪影、光照不均的图像不能进行有效分割的不足,本文提出了结合熵与局部信息的动态伪影偏差场修正CV模型。模型根据区域同质性特征,利用熵构造区域能量系数,自动调节目标与背景区域在模型中的权重。采用全局与局部结合的方式自适应控制区域演化。将伪影指示函数应用到区域检测项,无需先验灰度信息即可消除异常值,精确地使像素归类。结合Retinex理论对图像进行分解,忽略亮度变化并提取不含照度信息的目标结构图像,避免偏差场对分割的影响。通过与CV模型、LIF模型对比验证了算法的有效性,结果表明,本文提出的算法在目标干扰严重情况下分割性能最优,重叠率可达0.9,误分割率控制在0.06以内。与CV模型、LIF模型相比分割精度与速度性能优势明显。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社