Image inhomogeneity often occurs in real-world images and may present considerable difficulties during image segmentation. Therefore, this paper presents a new approach for the segmentation of inhomogeneous images. The proposed hybrid active contour model is formulated by combining the statistical information of both the local and global region-based energy fitting models. The inclusion of the local region-based energy fitting model assists in extracting the inhomogeneous intensity regions, whereas the curve evolution over the homogeneous regions is accelerated by including the global region-based model in the proposed method. Both the local and global region-based energy functions in the proposed model drag contours toward the accurate object boundaries with precision. Each of the local and global region-based parts are parameterized with weight coefficients, based on image complexity, to modulate two parts. The proposed hybrid model is strongly capable of detecting region of interests (ROIs) in the presence of complex object boundaries and noise, as its local region-based part comprises bias field. Moreover, the proposed method includes a new bias field (NBF) initialization and eliminates the dependence over the initial contour position. Experimental results on synthetic and real-world images, produced by the proposed model, and comparative analysis with previous state-of-the-art methods confirm its superior performance in terms of both time efficiency and segmentation accuracy.

中文翻译：

---

基于权重系数参数化的局部和全局统计的混合主动轮廓用于非均匀图像分割

图像不均匀性经常发生在现实世界的图像中，并且在图像分割过程中可能会带来相当大的困难。因此，本文提出了一种新的非均匀图像分割方法。所提出的混合活动轮廓模型是通过结合基于局部和全局区域的能量拟合模型的统计信息来制定的。包含基于局部区域的能量拟合模型有助于提取非均匀强度区域，而通过在所提出的方法中包含基于全局区域的模型，加速了均匀区域的曲线演化。所提出的模型中基于局部和全局区域的能量函数都将轮廓精确地拖向准确的对象边界。每个基于局部和全局区域的部分都使用权重系数进行参数化，基于图像复杂性，以调制两个部分。所提出的混合模型能够在存在复杂对象边界和噪声的情况下检测感兴趣区域 (ROI)，因为其基于局部区域的部分包括偏置场。此外，所提出的方法包括一个新的偏置场（NBF）初始化并消除了对初始轮廓位置的依赖。由所提出的模型生成的合成和真实世界图像的实验结果以及与以前最先进方法的比较分析证实了其在时间效率和分割精度方面的优越性能。所提出的混合模型能够在存在复杂对象边界和噪声的情况下检测感兴趣区域 (ROI)，因为其基于局部区域的部分包括偏置场。此外，所提出的方法包括一个新的偏置场（NBF）初始化并消除了对初始轮廓位置的依赖。由所提出的模型生成的合成和真实世界图像的实验结果以及与以前最先进方法的比较分析证实了其在时间效率和分割精度方面的优越性能。所提出的混合模型能够在存在复杂对象边界和噪声的情况下检测感兴趣区域 (ROI)，因为其基于局部区域的部分包括偏置场。此外，所提出的方法包括一个新的偏置场（NBF）初始化并消除了对初始轮廓位置的依赖。由所提出的模型生成的合成和真实世界图像的实验结果以及与以前最先进方法的比较分析证实了其在时间效率和分割精度方面的优越性能。