TIP-Localizing Region-Based Active Contours(2008)阅读笔记

主要思想

提出一个很自然的框架，让任何基于区域的分割能量可以被重新以局部的方式表示。用局部的信息驱动水平集轮廓的演化。好处：对于异质的目标，全局的方法分割不出来，本文提出的局部的方法却可以。

1. 背景

• 基于区域的模型优势：对初始化曲线位置鲁棒，对图像噪声不敏感

• 劣势：对异质的目标分割不出来（基于全局的统计信息无法区分开要分割的目标）

In the present work, we make three main contributions
- a novel framework，能用来局部化任何基于区域的能量
- provide a way for localized active contours to interact with one another to create -ary segmentations.
- 深入研究局部化半径对分割结果的影响

2. local region-based framework

在小的local region描述前景和背景，去除前景和背景可以被global statistic表示的假设。全局的能量→局部的能量，每个轮廓点在它自己的局部区域里最小化局部能量，忽略其他较远地方可能出现的灰度不均匀。