[發明專利]基于水平集函數的灰度不均勻圖像分割方法

無效

• 申請號: 201110285231.8
• 申請日: 2011-09-23
• 公開（公告）號: CN102354396A
• 公開（公告）日: 2012-02-15
• 發明（設計）人: 袁克虹;陸陽;段儕杰
• 申請（專利權）人: 清華大學深圳研究生院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 深圳市匯力通專利商標代理有限公司 44257
• 代理人: 李保明

技術領域

本發明涉及圖像分割，特別是基于水平集函數的灰度不均勻圖像分割方法。

背景技術

水平集方法(Level?Set?Method)是一種新穎的求解幾何曲線演化的方法，它以一種隱含的方式來表達平面閉合曲線或者立體閉合曲面，從而避免了對閉合曲線演化過程中的跟蹤，將曲線演化轉化成一個純粹的求解偏微分方程數值解問題。當水平集方法用于幾何曲線演化時，將曲線表示為高一維度的參數空間，避免了演化曲線的參數化過程，曲線的拓撲結構上的任何變化會自動嵌入到水平集函數的數值變化中。在較強的數學背景理論支撐下容易擴展到高維情況。近年來，水平集方法逐漸成為研究的熱點，并被應用于圖像分割、圖像平滑、運動分割即運動目標跟蹤，甚至立體視覺和圖像的修復。

在實際應用中，由于照度不均、成像設備固有的缺陷、病人運動等因素的影響，圖像灰度分布不均勻現象經常發生，在醫學圖像中尤為嚴重。圖像灰度不均勻現象給圖像分割問題帶來了嚴峻的挑戰，也阻礙了醫療領域計算機輔助診斷系統的發展。為克服圖像灰度不均勻現象的不利影響，國外學者先后提出了多種基于糾正偏移場思想的解決方案，在一定程度上緩解了灰度不均勻對分割帶來的影響，但此種方法抗噪能力較弱，且計算耗時，實際應用價值不大。

發明內容

本發明的目的是提供一種基于水平集函數的灰度不均勻圖像分割方法，該方法能夠提高灰度不均勻圖像分割的準確性和效率。

傳統的應用水平集方法的模型主要有主動輪廓模型(即蛇模型)，主動輪廓模型是利用同質區域的相似性來驅動活動曲線向目標輪廓逼近，其中最具代表性的是C-V(Chan-Vese)模型。C-V模型的能量泛函形式為：其中，Ω₁和Ω₂分別為輪廓線以內和以外的區域，Ω為輪廓線，c₁和c₂是輪廓線以內區域和輪廓線以外區域的平均灰度值，λ₁和λ₂是曲線演化參數，通常設定為1。C-V模型通過統計圖像的全局灰度信息驅動曲線演化，當圖像中只有目標和背景兩類分片光滑區域時，能夠實現全局最優；但難以從復雜背景中提取目標邊緣，也無法處理灰度不均勻圖像，當處理灰度不均勻圖像時往往得到錯誤的過分割或欠分割結果。

本發明的構思是：在C-V模型的基礎上加入局部能量統計項和能量懲罰項，充分結合全局灰度信息和局部灰度信息，避免重新初始化問題，從而提高灰度不均勻圖像分割的準確性和效率。本發明具體方案如下：一種基于水平集函數的灰度不均勻圖像分割方法，包括以下步驟：構建水平集函數，構造圖像分割能量泛函，對水平集函數進行演化，使能量泛函最小化，得到圖像分割邊界，其中，所述能量泛函包括全局能量統計項、局部能量統計項和能量懲罰項，

所述全局能量統計項為

所述局部能量統計項為

所述能量懲罰項為

其中，λ₁、λ₂、β₁、β₂、μ、v是曲線演化參數，c₁和c₂分別是輪廓線以內區域和輪廓線以外區域的平均灰度值，I為待分割圖像的灰度值，f₁(x)和f₂(x)是逼近輪廓線兩側區域灰度的擬合值，分別為K_σ(·)為高斯核函數，具體見公式σ為標準差，n為尺度因子，為符號距離函數，H(I)是Heaviside函數，Ω₁和Ω₂分別表示輪廓線以內和以外的區域，Ω為輪廓線。

本發明針對灰度不均勻圖像的分割問題，在C-V模型的基礎上，通過引入高斯核函數，充分利用灰度不均勻圖像的局部統計信息，優化最小化閉合曲線“能量”泛函，并加入能量懲罰項，保證符號距離函數收斂，避免了費時的重新初始化過程。經實驗證明，用本發明方法對灰度不均勻圖像進行分割，能夠獲得清晰、準確的分割結果，能夠提高灰度不均勻圖像分割的準確性和效率。

附圖說明

圖1a-1c為三幅具有灰度不均勻特征的圖像。

圖2a-2c分別為圖1a-1c給定初始輪廓線后的狀態。

圖3a-3c分別為圖2a-2c用C-V模型分割的結果。

圖4a-4c分別為圖2a-2c用本發明方法分割的結果。

具體實施方式

下面對本發明做進一步說明。