针对传统活动轮廓模型(Snake)对初始轮廓要求高、无法进行多目标提取且抗噪性弱等缺陷, 提出了一种新的基于广义似然比的最小方差活动轮廓模型。该算法在区域活动轮廓模型的基础上引入广义似然比信息, 以目标区域和背景区域具有最小方差为准则设计了新的能量函数, 并使用梯度下降法最小化能量函数, 驱动轮廓线不断收缩至物体边界。合成图像和真实图像的实验结果证明, 基于新模型的活动轮廓提取算法对初始位置不敏感, 具有一定的抗噪性, 并适用于多目标场景。
图像分割 活动轮廓模型 特征提取 广义似然比 能量函数 image segmentation active contour model feature extraction generalized likelihood ratio energy function
