[發明專利]基于鄰域概率密度函數特征的水平集圖像分割方法

有效

• 申請號: 200910022907.7
• 申請日: 2009-06-11
• 公開（公告）號: CN101571951A
• 公開（公告）日: 2009-11-04
• 發明（設計）人: 王爽;焦李成;符升高;鐘樺;侯彪;田小林;緱水平;朱虎明;蘇開亮
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業專利中心
• 代理人: 王品華;朱紅星

1.一種基于鄰域概率密度函數特征的水平集圖像分割方法，包括如下步驟：

(1)初始化水平集函數φ₀；

(2)設置初始水平集函數迭代次數i的初始值i₀＝1和最大值N；

(3)根據設定的多尺度滑動窗的范圍，計算待分割圖像中每個像素的不同大小的滑動窗對應的鄰域概率密度函數特征將所有鄰域概率密度函數特征組成鄰域概率密度函數特征集合：

pdf(x,y)δ=P(I(x,y)=i|(x,y)∈I(x,y,δ))]]>i∈0，1，...，2^k

其中，I是輸入圖像，(x，y)是像素點的坐標，P(I(x，y)＝i))表示I(x，y)像素灰度值等于i的概率，δ是滑動窗的大小，i∈0，1，...，2^k表示像素灰度值i的大小范圍，k為冪次，I(x，y，δ)表示像素(x，y)的滑動窗尺度大小為δ的像素集合；

(4)計算待分割圖像中每類紋理的子集概率密度函數特征：

pdf_Ω＝P(I(x，y)＝i|(x，y)∈Ω)????i∈0，1，...，2^k

其中，Ω為某類紋理的全部像素組成的子集合；

(5)計算鄰域概率密度函數特征集合與子集概率密度函數特征的相似性向量

(6)利用相似性向量構造新的水平集演化方程，并根據該演化方程對水平集函數進行更新：

∂φ∂t=δ(φ)[μ*div(▿φ|▿φ|)+λin*max(KS→in)-λout*max(KS→out)]]]>

其中，φ是水平集函數，δ(φ)是Dirac函數，t是步長，代表梯度算子，div代表散度算子，代表鄰域概率密度函數特征集合與in類紋理特征的相似性向量，代表鄰域概率密度函數特征集合與out類紋理特征的相似性向量，max代表求取向量的最大值，μ為散度項權系數，λ_in為局部紋理與in類紋理的相似性權系數，λ_out為局部紋理與out類紋理的相似性權系數，μ＞0，λ_in，λ_out＞0；

(7)根據水平集函數的當前迭代次數i和設定的最大迭代次數N，判斷是否終止水平集函數更新，如果i小于N，則將迭代次數i加1，重復步驟(4)～步驟(6)，否則，終止水平集函數更新，并將水平集函數φ的零水平集作為待分割圖像的分割區域邊界。