[發明專利]構造基于分數階微分信息的自適應權重活動輪廓模型的方法及系統

有效

• 申請號: 201610192633.6
• 申請日: 2016-03-30
• 公開（公告）號: CN105787956B
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 陳波;張陳;陳文勝;潘彬彬;周曉慧
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/181
• 分類號: G06T7/181
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 于標

本發明提供了一種構造基于分數階微分信息的自適應權重活動輪廓模型的方法及系統，該系統包括輸入模塊、初始化模塊、第一計算模塊、第二計算模塊、判斷模塊、輸出模塊。本發明的有益效果是：本發明通過引入分數階微分，構造出一個新的差值圖像，并利用該差值圖像去構造局部項，最終提出一個新的活動輪模型；利用圖像分數階梯度模信息，提出一個自適應權重，能動態的調整模型的局部和全局項；利用演化曲線內面積的變化，提出一個新的演化停止標準，演化曲線可以自動停止在正確的邊界。

技術領域

本發明涉及圖像處理技術領域，尤其涉及構造基于分數階微分信息的自適應權重活動輪廓模型的方法及系統。

背景技術

圖像分割對于計算機視覺、模式識別、醫學圖像處理等具有非常重要的意義，而活動輪廓模型(active contour model)是圖像分割的重要工具之一。該算法首先在圖像中初始化一個封閉曲線，然后通過最小化能量泛函，使初始曲線運動到目標對象的邊界上，獲得圖像分割結果。

按輪廓線演化方式不同，活動輪廓模型又可分為基于邊界的模型和基于區域的模型?；谶吔绲哪Ｐ褪抢眠吔缧畔砦顒虞喞蛑繕诉吔邕\動，而基于區域的模型則通過特定的區域描述符來識別不同的感興趣區域，從而引導活動輪廓的運動。

基于區域的活動輪廓模型，Chan和Vese做了重要的工作，他們依據區域分割原理，提出了不依賴圖像梯度性質實現無邊界的圖像分割模型(Chan-Vese模型，或稱CV模型)。CV模型是基于區域信息的，因而，對于邊緣模糊或邊緣不連續的情況都能取得好的分割效果，且對初始曲線位置不太敏感。但是CV模型僅僅利用全局信息，忽略了局部信息，對于非同質圖像(intensity in-homogeneous image)分割效果不好。

李春明等人針對CV模型不能有效分割非同質圖像，提出了基于局部二值擬合能量(local binary fitting energy,簡稱LBF模型)的活動輪廓模型。該模型將高斯核函數引入數據擬合項，提取局部信息，利用水平集演化，能夠得到非同質圖像中的目標輪廓。該模型適用于分割非同質區域，弱邊緣以及血管狀結構等圖像。但是對初始輪廓的位置有一定的敏感性，且對高噪聲圖像魯棒性較差。

近年來，一些學者將圖像的局部信息與全局信息相結合并加以改進，綜合利用圖像的局部與全局信息，得到性能提升的混合活動輪廓模型。我們提出的方法，也是基于這一思想。一般基于變分框架的活動輪廓模型求解框架如圖1所示。

1、相關技術的技術方案：

1.1 CV模型

CV模型是由Chan等人提出的活動輪廓模型，其能量函數為：

E(C,c₁,c₂)＝μL(C)+νS(C)+λ₁∫_in(C)|I-c₁|²dx+λ₂∫_out(C)|I-c₂|²dx, (1)

μ,ν,λ₁,λ₂≥0為各項權重系數，L(C)是閉合輪廓線C的長度，S(C)是曲線C內部區域面積，c₁為曲線C內部區域的平均灰度，c₂為曲線C外部區域的平均灰度。當閉合曲線C位于圖像區域的邊界時，能量函數E達到最小值。引入Heaviside和Dirac函數：

再結合水平集方法，其能量函數重新被定義為：

式中