Aktive Konturen ohne Kanten

Wir schlagen ein neues Modell für aktive Konturen vor, um Objekte in einem gegebenen Bild zu erkennen, basierend auf Techniken der Kurvenentwicklung, dem Mumford-Shah (1989) funktionalen Ansatz für die Segmentierung und den Niveau-Sätzen. Unser Modell kann Objekte erkennen, deren Grenzen nicht unbedingt durch den Gradient definiert sind. Wir minimieren eine Energie, die als ein besonderer Fall des Problems der minimalen Partition angesehen werden kann. In der Niveau-Satz-Formulierung wird das Problem zu einem "Mittelkrümmungsfluss", der die aktive Kontur entwickelt, die dann an der gewünschten Grenze stoppt. Der Stopp-Term hängt jedoch nicht vom Gradient des Bildes ab, wie es in den klassischen aktiven Konturen-Modellen der Fall ist, sondern ist stattdessen mit einer besonderen Segmentierung des Bildes verbunden. Wir geben einen numerischen Algorithmus unter Verwendung von finiten Differenzen an. Schließlich präsentieren wir verschiedene experimentelle Ergebnisse und insbesondere einige Beispiele, bei denen die klassischen Schlangenmethoden, die auf dem Gradient basieren, nicht anwendbar sind. Auch kann die ursprüngliche Kurve überall im Bild liegen, und innere Konturen werden automatisch erkannt.