模式识别与人工智能
2025年4月6日 星期日   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2019, Vol. 32 Issue (5): 409-419    DOI: 10.16451/j.cnki.issn1003-6059.201905003
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
引入分数阶微分的局部高斯分布拟合能量模型
储珺1, 余佳佳2, 缪君1, 张桂梅1
1.南昌航空大学 计算机视觉研究所 南昌 330063;
2.南昌航空大学 信息工程学院 南昌 330063
Local Gaussian Distribution Fitting Energy Model with Fractional Differential
CHU Jun1 , YU Jiajia2 , MIAO Jun1, ZHANG Guimei1
1.Institute of Computer Vision, Nanchang Hangkong University, Nanchang 330063;
2.School of Information Engineering, Nanchang Hangkong University, Nanchang 330063

全文: PDF (1993 KB)   HTML (0 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 局部高斯分布拟合能量(LGDF)模型缺乏全局信息,对初始轮廓曲线选取较敏感,特别在分割弱边缘和弱纹理区域图像时,容易陷入局部极值,对噪声的鲁棒性不好.针对上述问题,文中提出引入分数阶微分的LGDF模型.在LGDF模型中引入全局的Grümwald-Letnikov(G-L)分数阶梯度拟合项,增强弱边缘和弱纹理区域的梯度信息,提高对初始轮廓曲线和噪声的鲁棒性.采用自适应权重函数确定全局项和局部项的系数,提高对灰度不均匀图像的分割效率和分割精度.根据图像的梯度模值、信息熵和对比度构建自适应分数阶阶次的函数,提高分割效率.理论分析和实验均表明,文中模型可以用于灰度不均匀、弱纹理、弱边缘图像的分割.合成图像和真实图像的实验表明文中模型可以提高图像的分割精度和效率.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
储珺
余佳佳
缪君
张桂梅
关键词 图像分割活动轮廓模型Grümwald-Letnikov分数阶微分局部高斯分布拟合能量(LGDF)模型    
Abstract:Local Gaussian distribution fitting energy(LGDF) model lacks global information and is sensitive to the selection of initial contour curve. Especially in the segmentation of images with weak edges and textures, it is easy to fall into the local extremum and is poorly robust to noise. To solve the problems, an LGDF model with fractional differential is proposed. A global Grümwald-Letnikov fractional gradient fitting term is introduced into LGDF model to enhance the gradient information of the weak edge and texture regions and improve the robustness to initial contour curve and noise. The coefficients of global and local terms are determined by adaptive weighting function to improve the efficiency and accuracy of gray-scale inhomogeneous image segmentation. The adaptive fractional order function is constructed according to gradient modulus, information entropy and contrast of the image to improve the segmentation efficiency. Both theoretical analysis and experiments show that the model can be used for the segmentation of the gray-scale inhomogeneous images and the images with weak texture and weak edge. Experiments on synthetic and real images show that the proposed model improves the accuracy and efficiency of image segmentation.
Key wordsImage Segmentation    Active Contour Model    Grünwald-Letnikov Fractional Differential    Local Gaussian Distribution Fitting Energy(LGDF) Model   
收稿日期: 2019-01-21     
ZTFLH: TP 391.4  
基金资助:国家自然科学基金项目(No.61663031、61661036)资助
通讯作者: 储珺(通讯作者),博士,教授,主要研究方向为图像处理与分析、模式识别、计算机视觉.E-mail:chuj@nchu.edu.cn.   
作者简介: 余佳佳,硕士研究生,主要研究方向为计算机视觉图像分割.E-mail:15797902165@163.com.缪君,博士,讲师,主要研究方向为计算机视觉、模式识别、机器学习.E-mail:miaojun@nchu.edu.cn.张桂梅,博士,教授,主要研究方向为计算机视觉、图像处理、模式识别.E-mail:guimei.zh@163.com.
引用本文:   
储珺, 余佳佳, 缪君, 张桂梅. 引入分数阶微分的局部高斯分布拟合能量模型[J]. 模式识别与人工智能, 2019, 32(5): 409-419. CHU Jun1 , YU Jiajia2 , MIAO Jun1, ZHANG Guimei1. Local Gaussian Distribution Fitting Energy Model with Fractional Differential. , 2019, 32(5): 409-419.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201905003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I5/409
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn