纹理图像分割在各种计算机视觉任务中起着重要作用。本文提出了一种凸纹理图像分割模型。首先，为原始图像提取Gabor和GLCM（灰度共生矩阵）的纹理特征。然后，将两种纹理特征融合在一起，以通过相互级联来有效地构建区分性特征空间。在图像分割步骤中，通过将无边缘主动轮廓（ACWE）的非凸向量值模型（ACWE）放入全局最小化框架（GMAC）中来定义凸能量函数。提出的具有融合纹理的全局最小化能量函数（GMFT）可以避免矢量值ACWE模型的最小化中局部极小值的存在。此外，采用快速对偶公式化可实现有效的轮廓演变

纹理图像分割在各种计算机视觉任务中起着重要作用。 本文提出了一种凸纹理图像分割模型。 首先，为原始图像提取Gabor和GLCM（灰度共生矩阵）的纹理特征。 然后，将两种纹理特征融合在一起，以通过相互级联来有效地构建区分性特征空间。 在图像分割步骤中，通过将无边缘主动轮廓（ACWE）的非凸向量值模型（ACWE）放入全局最小化框架（GMAC）中来定义凸能量函数。 提出的具有融合纹理的全局最小化能量函数（GMFT）可以避免矢量值ACWE模型的最小化中局部最小值的存在。 此外，采用快速对偶公式化可实现有

纹理图像分割在各种计算机视觉任务中起着重要作用。 本文提出了一种凸纹理图像分割模型。 首先，为原始图像提取Gabor和GLCM（灰度共生矩阵）的纹理特征。 然后，将两种纹理特征融合在一起，以通过相互级联来有效地构建区分性特征空间。 在图像分割步骤中，通过将无边缘主动轮廓（ACWE）的非凸向量值模型（ACWE）放入全局最小化框架（GMAC）中来定义凸能量函数。 提出的具有融合纹理的全局最小化能量函数（GMFT）可以避免矢量值ACWE模型的最小化中局部极小值的存在。 此外，采用快速对偶公式化可实现有