[發明專利]一種基于全局和局部符號能量型壓力驅動活動輪廓模型的圖像分割方法

有效

• 申請號: 201911325040.2
• 申請日: 2019-12-20
• 公開（公告）號: CN111161302B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 劉花香;方江雄;藺永誠;劉軍;王曉亮;孫琳
• 申請（專利權）人: 東華理工大學
• 主分類號: G06T7/149
• 分類號: G06T7/149
• 代理公司: 江西省專利事務所 36100
• 代理人: 胡里程

一種基于全局和局部符號能量型壓力驅動的新型活動輪廓分割模型，首先，通過設計基于全局能量壓力作為圖像全局特征提取的驅動力，能有效地分割灰度均勻圖像。提出了基于局部能量壓力作為圖像局部特征提取的驅動力。在全局和局部壓力傳遞函數中分別使用了全局圖像信息和局部能量信息，使用全局和局部方差來自動平衡GSEPF和LSEPF的權重，解決了參數設置的問題。接著，在水平集函數迭代過程中，保持目標區域的平均灰度值大于（或小于）背景區域的平均灰度值，以提高對初始曲線的魯棒性。增加了正則化項和懲罰項。本發明方法不僅提高了分割灰度不均勻圖像和噪聲分割效果，而且還使得分割結果與初始條件無關。

技術領域

本發明涉及機器視覺與圖像處理技術領域中圖像分割方法，具體是一種基于全局和局部符號能量型壓力驅動活動輪廓模型的圖像分割方法(An?Image?SegmentationMethod?Based?on?Active?Contour?Model?Guided?by?Global?and?Local?SignedEnergy-based?Pressure?Force)。

技術背景

圖像分割是計算機視覺領域既基礎又具有挑戰性的問題之一，其目的就是將圖像分成若干個特定的、具有獨特性質的區域并提出感興趣目標。灰度不均勻(IntensityInhomogeneity)圖像分割方法一直是圖像處理領域研究的難點。基于局部區域性活動輪廓(Local?Region-based?Active?Contour)的圖像分割方法，由于將圖像的局部信息融合于圖像能量泛函中，并利用梯度下降法求解能量泛函的極小值，已成為近年來灰度不均勻圖像分割領域的研究熱點。其中，基于局部Chan-Vese的可變尺度區域擬合(RegionScablable?Fitting，RSF)分割模型，通過利用局部空間變化權重的尺度參數獲取局部圖像信息，能處理不同程度的灰度不均勻圖像。但是，該模型忽視了圖像的全局信息，導致分割結果對初始條件敏感，抗噪能力差，限制了該算法的實際應用價值。測地線引導的Chan-Vese模型(Geodesic-Aided?Chan-Vese，GACV)，通過結合邊緣型(Geodesic?ActiveContour，GAC)活動輪廓模型和區域型Chan-Vese活動輪廓模型，構建了一種混合型活動輪廓模型，能較好地分割灰度均勻圖像，已成為近年來圖像分割領域的研究熱點之一。

經對現有技術文獻的檢索發現，局部或全局選擇性分割活動輪廓模型(Zhang?K.,Zhang?L.,Song?H.,Zhou?W..“Active?contours?with?selective?local?or?globalsegmentation:a?new?formulation?and?level?set?method”(局部或全局選擇性分割活動輪廓模型，ImageVision?Computing(2010)28：668-676)，通過設計一個符號壓力函數來構造全局主動活動輪廓，在迭代過程中采用高斯濾波來平滑水平集函數。基于全局和局部權重的標記壓力驅動的活動輪廓模型(Han?B.,Wu?Y.“Active?contours?driven?by?globaland?local?weighted?signed?pressure?force?for?image?segmentation”(基于全局和局部權重的符號壓力驅動的活動輪廓線，簡稱LIF模型，Pattern?Recognition(2019)88:715-728)，通過構建權重的全局符號壓力函數和局部符號壓力函數，并根據圖像的特征自動更新各項的權重。但是，這些分割模型利用全局圖像特征無法準確分割灰度不均勻圖像。

發明內容

本發明的目的是，通過提出一種基于全局和局部符號能量型壓力驅動活動輪廓模型的圖像分割方法，主要解決混合活動輪廓模型無法準確分割灰度不均勻和噪聲圖像以及分割結果依賴初始化位置問題。

本發明的技術解決方案是：一種基于全局和局部符號能量型壓力驅動活動輪廓模型的圖像分割方法，其步驟如下：

步驟1：輸入分割圖像，設置初始化參數：權重系數μ和ν，最大迭代次數，局部窗口大小k和均方差σ；