[發(fā)明專利]基于鄰域概率密度函數(shù)特征的水平集圖像分割方法

有效

• 申請?zhí)枺?/td>: 200910022907.7
• 申請日: 2009-06-11
• 公開（公告）號: CN101571951A
• 公開（公告）日: 2009-11-04
• 發(fā)明（設(shè)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(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業(yè)專利中心
• 代理人: 王品華;朱紅星

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及圖像分割，具體地說是一種基于鄰域概率密度函數(shù)特征的水平集圖像分割方法。該方法可用在圖像分割技術(shù)領(lǐng)域中。

背景技術(shù)

圖像分割是圖像理解與模式識別的基礎(chǔ)，廣泛應(yīng)用于醫(yī)學(xué)、軍事、氣象、氣候、環(huán)境等領(lǐng)域，是當(dāng)前研究的熱點與難點。迄今為止，圖像分割方法的種類很多，總的來說可分為傳統(tǒng)的圖像分割方法和與特定理論工具結(jié)合的圖像分割方法兩大類。傳統(tǒng)分割方法通常包括基于邊界檢測的，基于區(qū)域的和兩者結(jié)合的分割方法三類。與特定理論工具結(jié)合的分割方法中經(jīng)常使用的理論工具包括馬爾科夫模型、偏微分方程、數(shù)學(xué)形態(tài)學(xué)、圖論、人工神經(jīng)網(wǎng)絡(luò)、模糊理論邏輯、小波分析、信息論、遺傳算法等。

本發(fā)明提出的圖像分割方法是基于偏微分方程的圖像分割方法，該種理論又稱為水平集方法或者活動輪廓模型，其分割過程通過曲線演化來完成。具體分割過程是，從圖像平面上的一條任意位置的閉合曲線開始，在由該曲線本身提供的內(nèi)力和由圖像數(shù)據(jù)提供的外力的共同作用下，該曲線不斷演化直至收斂于圖像的區(qū)域邊界，從而把圖像分割成互補重疊的具有一致性特征的區(qū)域。

水平集方法由S.Osher和J.A.Sethin提出，參見S.Osher?and?J.A.Sethin，F(xiàn)rontspropagating?with?curvature-dependent?speed：Algorithms?based?on?Hamilton-Jacobiformulation，J.Comput.Phys.79，1988，12-49。該方法的圖像分割對象由最初的分段常數(shù)圖像和分段光滑圖像，發(fā)展為現(xiàn)在的向量圖像和紋理圖像。但是對于真實自然紋理圖像，現(xiàn)有的水平集圖像分割方法的最大不足是：不能有效處理自然圖像紋理基元的在紋理尺度和紋理方向上的多變性，造成不能準(zhǔn)確地分割自然紋理圖像的結(jié)果。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出一種基于鄰域概率密度函數(shù)特征的水平集圖像分割方法，以實現(xiàn)有效處理自然圖像的紋理基元在紋理尺度和紋理方向上的多變性，提高圖像分割質(zhì)量。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案包括如下步驟：

(1)初始化水平集函數(shù)φ₀；

(2)設(shè)置初始水平集函數(shù)迭代次數(shù)i的初始值i₀＝1和最大值N；

(3)根據(jù)設(shè)定的多尺度滑動窗的范圍，計算待分割圖像中每個像素不同大小的滑動窗對應(yīng)的鄰域概率密度函數(shù)特征pdf_(x，y)^δ，將所有鄰域概率密度特征組成鄰域概率密度特征集合：

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

其中，I是輸入圖像，(x，y)是像素點的坐標(biāo)，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(shù)特征：