基于Bayesian最小误判的活动轮廓模型

为提高被噪声、纹理等干扰的图像分割精度，提出了一种基于Bayesian最小误判的活动轮廓模型.首先将目标和背景这两类中心的马氏距离作为误判概率的判决规则，利用方向扩散PDE方程对观测图像进行演化，使得扩散只沿切线方向发生，得到原图像的一个平滑近似图像，从而使目标和背景的马氏距离增大，误判概率减小.然后结合局部二值拟合活动轮廓模型，对特征函数进行迭代演化，直至收敛到目标边缘.最后采用结合梯度下降法和迭代卷积阈值化方法对模型进行数值求解.实验结果表明，提出的模型可以很好地排除干扰信息的影响，准确地提取目标轮廓，误判概率更小.和几个经典变分图像分割模型相比，DSC、IOU等指标值都表明提出模型具有较好的实验效果.