%0 Journal Article
%T 多类变分优化的自然图像分割方法<br>Multi-Class Variational Model for Natural Image Segmentation
%A 杨勇
%A 郭玲
%A 叶阳东
%A 周小佳
%J 电子科技大学学报
%D 2016
%R 第45卷 第5期 pp:824-831
%X 针对自然图像中内容的多样性、复杂性以及随机性，若采用区域内部恒定聚类中心假设的CV（Chan-Vese）模型以及多类水平集模型，则难以有效刻画具有非线性、连续性变化的自然图像内容。该文通过对区域内部自由度调控的多变量学生-t概率密度分布描述，提出了多类非线性变分活动轮廓模型，它打破了区域内部恒定密度的约束。由于多类非线性变分活动轮廓模型缺乏区域外力，容易分割出离散、零碎的噪声区域，通过引入测地线区域外力约束项，能有效分割出区域间的光滑边界。针对多类变分模型的最小化问题是NP难问题，提出对多类变分活动轮廓模型进行离散化表达，然后构建对应的多层图割模型，并利用最大流/最小割优化方式快速求得全局近似最优解。实验表明，该文提出的分割方法能够准确地分割出多类非同质目标区域，且区域之间的边界光滑，视觉效果好。<br>
%K 活动轮廓
%K 图割优化
%K 变分模型
%K 自然图像分割&lt
%K br&gt
%U http://manu50.magtech.com.cn/dzkjdx/CN/abstract/abstract291.shtml