[發(fā)明專利]一種結(jié)合云模型和水平集的圖像分割方法

有效

• 申請?zhí)枺?/td>: 201711059488.5
• 申請日: 2017-11-01
• 公開（公告）號: CN107767388B
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 李偉生;李飛燕;肖斌
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T5/40
• 代理公司: 重慶市恒信知識(shí)產(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅

本發(fā)明請求保護(hù)一種結(jié)合云模型和水平集的圖像分割方法，包括步驟：S1得到圖像的直方圖并對其進(jìn)行曲線擬合；S2通過擬合的曲線劃分谷值區(qū)間；S3利用逆向高斯云算法得到三個(gè)數(shù)字特征Ex、En和He并通過“軟或云”得到前景云模型和背景云模型；S4構(gòu)造能量函數(shù)并對其進(jìn)行求解從而得到分割結(jié)果。本發(fā)明結(jié)合云模型和水平集算法，利用云模型對圖像里面的邊界予以去線性化處理，降低了人工干預(yù)所造成的收斂不穩(wěn)定性問題的發(fā)生幾率和程度，并且使得水平集函數(shù)所對應(yīng)的收斂性得到加速；同時(shí)借助云模型算法初始化水平集函數(shù)的操作有效的降低了函數(shù)自身的噪聲敏感性以及解決了分割過程中不斷初始化水平集函數(shù)的問題。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及云模型的圖像分割方法和水平集的圖像分割方法以及兩種方法的結(jié)合。

背景技術(shù)

目前，國內(nèi)外諸多著名學(xué)者都致力于圖像分割算法的研究，圖像分割方法主要有以下四種：基于閾值、基于邊緣檢測、基于區(qū)域、基于能量的分割。

基于閾值的分割方法主要有直方圖凹面分析法、最大類間方差法、閾值插值法等，該類方法直觀簡單高效，但是由于圖像的復(fù)雜性，閾值的選取成為該類方法的一大挑戰(zhàn)；基于邊緣檢測的分割方法中比較經(jīng)典的算法有Sobel、Prewitt、Laplace以及Canny算子等，該類方法由于噪聲點(diǎn)和周圍像素點(diǎn)間的階躍性非常明顯，所以極易被誤判為邊緣；基于區(qū)域的圖像分割方法主要有區(qū)域生長法以及分裂合并法，區(qū)域生長法分割較大圖像容易出現(xiàn)不連續(xù)的空洞從而引發(fā)過分割，分裂合并法在不斷分裂的過程中容易對邊界區(qū)域產(chǎn)生破壞；基于能量的圖像分割方法包括基于水平集的方法、基于圖論的方法、基于ICM的方法等等。基于水平集的方法自出現(xiàn)以來，便成為圖像分割領(lǐng)域的熱點(diǎn)，在國際頂級期刊和國際會(huì)議上均有大量的水平集圖像分割新方法提出。Caselles和Malladi等人在圖像分割的主動(dòng)輪廓模型的上下文中介紹了水平集方法，但分割結(jié)果存在誤差，而且分割結(jié)果不穩(wěn)定。為了解決這個(gè)問題，Osher等人采用重新初始化水平集函數(shù)的方法來確保水平集的穩(wěn)定性。然而，重新初始化的做法不僅會(huì)引起嚴(yán)重的問題，而且還會(huì)影響數(shù)字的準(zhǔn)確性。之后，李純明提出了一種新的變分水平集。在其數(shù)值實(shí)現(xiàn)中，可以在有限差分方法中使用相對較大的時(shí)間步長以減少迭代次數(shù)，同時(shí)確保足夠的數(shù)值精度。王曉峰提出了一種高效的、魯棒的水平集方法，將多尺度分段思想引入局部區(qū)域，其具有很好的效率和魯棒性。

雖然圖像分割方法眾多，但是卻各有弊端，即使水平集的方法在圖像分割領(lǐng)域上已經(jīng)得到了較好的結(jié)果，由于水平集方法需要人工對水平集函數(shù)進(jìn)行初始化，一方面增加了勞動(dòng)量，另一方面導(dǎo)致不同的初始化區(qū)域造成算法所對應(yīng)的分割結(jié)果和收斂性存在很大的不同，而云模型的思想將自然語言中的隨機(jī)性和模糊性有效的綜合在一起，構(gòu)成定量和定性之間的相互映射，因此將云模型與水平集的方法結(jié)合起來，在圖像分割領(lǐng)域具有廣泛的應(yīng)用前景。

發(fā)明內(nèi)容

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種有效降低函數(shù)自身的噪聲敏感性、并將圖像分割差的問題很好的處理掉的結(jié)合云模型和水平集的圖像分割方法。本發(fā)明的技術(shù)方案如下：

一種結(jié)合云模型和水平集的圖像分割方法，其包括以下步驟：

S1、首先獲取原始圖像，并求取原始圖像的灰度直方圖，采用高次樣條函數(shù)對灰度直方圖進(jìn)行擬合，所述擬合后的曲線有谷值點(diǎn)和峰值點(diǎn)；

S2、其次，對擬合后的灰度直方圖劃分谷值區(qū)間，在高次樣條函數(shù)擬合的基礎(chǔ)上得到平滑可導(dǎo)的擬合曲線，并求取該平滑可導(dǎo)擬合曲線的極值點(diǎn)，根據(jù)極值點(diǎn)兩邊的符號將谷值點(diǎn)篩選出來；

S3、再次，利用逆向高斯云算法得到三個(gè)數(shù)字特征Ex，En，He，Ex，En，He分別代表期望、熵、超熵，根據(jù)區(qū)間云滴數(shù)由正向云發(fā)生器生成子云模型，并通過“軟或云”對子云模型進(jìn)行綜合得到前景的云模型C_S(Ex，En，He)和背景的云模型CT₍Ex，En，He)；