[發(fā)明專(zhuān)利]一種融合全局和局部信息水平集的圖像分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810799150.1
• 申請(qǐng)日: 2018-07-19
• 公開(kāi)（公告）號(hào): CN109087309A
• 公開(kāi)（公告）日: 2018-12-25
• 發(fā)明（設(shè)計(jì)）人: 胡躍明;黃丹
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華南理工大學(xué)
• 主分類(lèi)號(hào): G06T7/11
• 分類(lèi)號(hào): G06T7/11;G06T7/194;G06T7/149
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 劉巧霞

1.一種融合全局和局部信息水平集的圖像分割方法，其特征在于，包括步驟：

(1)建立分割模型，模型的總能量泛函表示如下：

其中，α為自適應(yīng)函數(shù)，且0＜α＜1；E^G為全局項(xiàng)，E^L為局部項(xiàng)，E^R為修型項(xiàng)；

在全局項(xiàng)中x為像素點(diǎn)，I(x)為點(diǎn)x的灰度值，閉合曲線(xiàn)C為圖像域Ω內(nèi)任意活動(dòng)輪廓線(xiàn)，圖像I被閉合輪廓線(xiàn)C劃分為目標(biāo)區(qū)域Ω_C＝inside(C)和背景區(qū)域Ω\Ω_C＝outside(C)兩個(gè)部分，C1、C2分別為目標(biāo)區(qū)域和背景區(qū)域的像素平均灰度值，φ(x)水平集函數(shù)；

在局部項(xiàng)中，設(shè)任意給定像素點(diǎn)x∈Ω，以x為圓心，p為半徑，形成的圓形鄰域記為假設(shè)整個(gè)圖像由N個(gè)互不相交的子區(qū)間組成，并且滿(mǎn)足下列關(guān)系：I(y)為點(diǎn)x在鄰域O_x內(nèi)點(diǎn)y的灰度值，常數(shù)c_i為子區(qū)間Ω_i內(nèi)的平均灰度值，||Φ(I(y))-Φ(c_i)||²為x點(diǎn)所在區(qū)域的平均灰度值與鄰域內(nèi)其他點(diǎn)像素值I(y)之間的核函數(shù)度量，核函數(shù)G_σ控制鄰域O_x的大小，H(φ)為Heaviside函數(shù)，近似為光滑函數(shù)，ε為常量，且Heaviside函數(shù)H(φ)的導(dǎo)數(shù)為Dirac函數(shù)，

修型項(xiàng)由平滑約束項(xiàng)和懲罰項(xiàng)組成，u、v為正值常數(shù)；

(2)將所述總能量泛函視為水平集函數(shù)φ(x)、Ci、c_i的函數(shù)，采用水平集方法進(jìn)行圖像分割。

2.根據(jù)權(quán)利要求1所述的融合全局和局部信息水平集的圖像分割方法，其特征在于，所述步驟(1)中，所述核函數(shù)度量||Φ(I(y))-Φ(c_i)||²計(jì)算步驟為：

由核函數(shù)定義及Mercer條件可知：K(x，y)＝<Φ(x)，Φ(y)>＝Φ(x)^TΦ(y)，K(x，x)＝1，則||Φ(I(y))-Φ(c_i)||²表示為下式：

||Φ(I(y))-Φ(c_i)||²＝2(1-K(I(y)，c_i))

式中K(I(y)，c_i)用于表述該點(diǎn)所在區(qū)域的平均灰度值與鄰域內(nèi)其他像素I(y)的相似程度。

3.根據(jù)權(quán)利要求2所述的融合全局和局部信息水平集的圖像分割方法，其特征在于，選擇核函數(shù)為高斯核函數(shù)，如下式所示：

利用圖像灰度值的距離標(biāo)準(zhǔn)差來(lái)估計(jì)核函數(shù)的參數(shù)σ_k，具體做法如下：設(shè)圖像I的像素個(gè)數(shù)為n，則圖像整體平均灰度值為下式所示：

令為任意一點(diǎn)的灰度值到整體平均灰度值的距離差，則平均距離差為下式所示：

所以利用圖像的灰度值標(biāo)準(zhǔn)差估計(jì)核函數(shù)參數(shù)σ_k，如下式所示：

4.根據(jù)權(quán)利要求1所述的融合全局和局部信息水平集的圖像分割方法，其特征在于，所述步驟(2)中，采用水平集方法進(jìn)行圖像分割，首先將總能量泛函視為水平集函數(shù)φ(x)、Ci、c_i的函數(shù)，具體步驟是固定水平集函數(shù)φ(x)，對(duì)Ci、c_i求導(dǎo)，令N＝2，利用變分法和梯度下降流法得到如下：

根據(jù)Euler-Lagrange方程和梯度下降法，求得能量泛函的曲線(xiàn)演化方程如下式所示：

式中e_i＝∫G_σ(x-y)(1-K(I(y)，c_i)dy。

5.根據(jù)權(quán)利要求1所述的融合全局和局部信息水平集的圖像分割方法，其特征在于，所述自適應(yīng)函數(shù)α定義如下式所示：

其中，k、l非負(fù)，且0＜α＜1，1表示不考慮灰度不均勻情況時(shí)局部項(xiàng)的權(quán)重系數(shù)，k表示考慮灰度不均勻現(xiàn)象時(shí)，局部灰度擬合均值占全局均值的比例變化所引起的局部項(xiàng)權(quán)重比例的變化。