[發明專利]基于非下采樣Shearlet變換與矢量C-V模型的圖像分割方法

有效

• 申請號: 201610022719.4
• 申請日: 2016-01-14
• 公開（公告）號: CN105608705B
• 公開（公告）日: 2018-09-07
• 發明（設計）人: 王相海;方玲玲;蘇欣;朱毅歡
• 申請（專利權）人: 遼寧師范大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 大連非凡專利事務所 21220
• 代理人: 閃紅霞

本發明提出了一種基于非下采樣Shearlet變換與矢量C?V模型的圖像分割方法，屬于圖像處理領域。該方法對給定的圖像用非下采樣剪切波進行多層分解，獲得不同方向的低頻和高頻分量，送到矢量C?V模型中，在整個圖像上初始化一系列均勻分布演化曲線，極小化得到的能量泛函，從而得到分割結果。本發明分割效果顯著，具有較高的客觀評價質量和很好的視覺效果。

技術領域

本發明涉及圖像處理領域，尤其是一種基于非下采樣Shearlet變換與矢量C-V模型的圖像分割方法。

背景技術

圖像分割的重要性與實用性使它受到越來越多的關注，與此同時，大量的分割算法被提出，但是到目前為止還沒有一種簡單的方法可以廣泛地適用于所有的圖像，換言之，針對某一類圖像發展起來的分割算法并不一定適用于其他類的圖像。Mumfor-Shah（M-S）分割技術是一種基于區域的圖像分割方法。Chan和Vese通過加入與輪廓區域特性有關的項簡化了M-S方法中的能量泛函，提出了著名的Chan-Vese（C-V）方法，并且將C-V模型擴展到了矢量情況，矢量情況下的C-V模型繼承了C-V模型的優點，可以檢測在標量表示下檢測不到或者是多譜段的目標，矢量C-V模型與C-V模型一樣還不能準確獲得非同質圖像的準確分割結果。基于小波域的圖像處理方法可以充分考慮到圖像的細節信息，所以小波變換在圖像處理的成功運用引起了學者們的極大興趣，提出了很多基于小波域的圖像分割方法。有學者嘗試結合多分辨率表示和C-V模型實現圖像分割，獲得了不錯的分割效果，這些方法既可以保留圖像的細節信息，又可利用C-V模型的整體分割性能。利用小波變換和C-V模型提出的一種對物體裂痕進行快速分割的算法，此方法通過小波極大模值粗略地定位區域，不但降低了C-V模型產生的大量數據，且能提供初始輪廓曲線，加快了C-V模型的收斂速度。但是，迄今為止還沒有關于結合非下采樣的剪切波變換和矢量C-V模型的分割方法的相關報道。

發明內容

本發明是為了解決現有技術所存在的上述技術問題，提供一種基于非下采樣Shearlet變換與矢量C-V模型的圖像分割方法。

本發明的技術解決方案是：一種基于非下采樣Shearlet變換與矢量C-V模型的圖像分割方法，其特征在于按照如下步驟進行：

定義 C-V能量泛函形式如下，

(1)

其中H是Heaviside 函數，定義如下：

它的分布導數為；

對于固定的和極小化關于的函數，

通過使用最速下降流方法可以得到控制平均曲率和誤差項的Euler-Lagrange方程；

矢量C-V模型有如下定義：

其中是中圖像的等層信道, 是演化曲線，和是近似圖像強度的未知的常數向量，和是每一層信道的參數；

其水平集函數如下：

為了計算的Euler-Lagrange方程，將和規范為：

和

極小化關于的能量泛函得到的Euler-Lagrange方程為：

步驟 1. 對給定的圖像I用NSST進行n層分解，首先是用非下采樣的Laplacian金字塔算法實現圖像的多尺度分解，再利用剪切矩陣獲得方向，具體地：