[發明專利]一種基于改進的能量泛函模型的噪聲圖像分割方法在審
| 申請號： | 201811247390.7 | 申請日： | 2018-10-15 |
| 公開（公告）號： | CN109523559A | 公開（公告）日： | 2019-03-26 |
| 發明（設計）人： | 韓明;董倩;張培;王敬濤 | 申請（專利權）人： | 石家莊學院 |
| 主分類號： | G06T7/11 | 分類號： | G06T7/11;G06T7/12;G06T7/194;G06T5/00 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 050035 河北省*** | 國省代碼： | 河北;13 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 能量泛函 噪聲圖像 分割 水平集函數 光滑圖像 原始圖像 去噪 改進 邊緣位置 分割結果 階梯現象 圖像去噪 初始化 水平集 泛函 求解 算法 | ||
1.一種基于改進的能量泛函模型的噪聲圖像分割方法，其特征在于，包括如下步驟：
(1)輸入原始圖像I(x，y)；
(2)采用基于非凸泛函的能量泛函模型對步驟(1)中輸入的原始圖像I(x，y)進行去噪處理，得到去噪后的光滑圖像u，所述能量泛函模型如下：
其中：0＜α＜1，f為噪聲圖像，λ＞0為調整參數，為梯度算子；
(3)對步驟(2)中光滑圖像u給出初始化曲線C；
(4)根據變分法和Euler-Lagrange方程，求出演化的水平集函數u-K，演化方程如下：
其中：K為光滑圖像u在水平集為0處的值，μ為長度懲罰項L(C)的權值，div()為散度算子，λ＞0為調整參數，Co和Cb分別為前景和背景兩個同質區域的平均灰度值；
(5)根據步驟(4)得到的水平集函數u-K，提取出零水平集；
(6)求解能量泛函最小值，判斷演化是否停止，如果演化停止，則為演化曲線為目標最佳邊緣位置，給出分割結果，算法結束，否則，轉到步驟(4)繼續。
2.如權利要求1所述的基于改進的能量泛函模型的噪聲圖像分割方法，其特征在于，步驟(3)中，給出初始化曲線C的初始參數設置如下：
離散網格的間隔為h＝1，時間步長為Δt＝0.1，正則化參數ε＝1，長度懲罰項L(C)的權值μ＝O*2552，其中O∈[0，1]。
3.如權利要求2所述的基于改進的能量泛函模型的噪聲圖像分割方法，其特征在于，步驟(6)中，所述能量泛函最小值的求解公式為：
其中：為正則化函數Dirac函數；
為正則化函數Heaviside函數；
||表示幅度，K為光滑圖像u在水平集為0處的值，μ為長度懲罰項L(C)的權值，λ＞0為調整參數，Co和Cb分別為前景和背景兩個同質區域的平均灰度值。
4.如權利要求3所述的基于改進的能量泛函模型的噪聲圖像分割方法，其特征在于，步驟(6)中，判斷演化是否停止采用以下公式進行：
其中：為正則化函數Dirac函數；
φ為水平集函數(φ＞0表示在零水平集內部，φ＜0表示在零水平集外部，φ＝0表示零水平集)；
為梯度算子；
表示零水平集的法向向量；
Ω為圖像空間。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于石家莊學院，未經石家莊學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811247390.7/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種人像分割方法及系統
- 下一篇：一種基于深度學習的三維圖像分割方法
