[發明專利]一種基于偏移場和全局光滑先驗的非均勻圖像分割方法

有效

• 申請號: 202010428617.9
• 申請日: 2020-05-20
• 公開（公告）號: CN111640115B
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 金正猛;范明玉;謝蘇丹;丁瑜浩
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 徐激波

1.一種基于偏移場和全局光滑先驗的非均勻圖像分割方法，其特征在于，包括以下步驟：

步驟S1、獲取帶噪聲的灰度不均勻圖像；

步驟S2、為所述灰度不均勻圖像添加初始輪廓線；

步驟S3、將所述灰度不均勻圖像分解為結構部分、光照偏移場部分和噪聲部分；

步驟S4、構建對應多相變分圖像分割模型；

其中所述多相變分圖像分割模型建立如下：

其中，代表圖像分割結果，表示每個區域的平均灰度值，B表示光照偏移場部分；

表示數據保真項，其中C_k表示平均灰度值，I表示待分割圖像；表示圖像分割結果的全變差正則項，刻畫了偏移場的全局光滑性，表示偏移場梯度；λ_k，α為正參數；M_k表示隸屬函數，J表示松弛Heaviside函數的個數，且u_j∈[0，1]，u_j代表凸松弛Heaviside函數；N為圖像域的劃分個數；K代表截斷高斯函數，定義如下：

其中參數σ＞0；

步驟S5、采用凸優化的交替極小化方法和變量分裂技巧求解上述模型的最優解；

步驟S6、采用所構建的多相變分圖像分割模型對所述灰度不均勻圖像進行圖像分割，得到對應的圖像分割結果。

2.根據權利要求1所述的一種基于偏移場和全局光滑先驗的非均勻圖像分割方法，其特征在于，所述步驟S3中采用Rentinex算法將灰度不均勻圖像分解為結構部分、光照偏移場部分和噪聲部分；

具體地，對于灰度不均勻的圖像i，可以建立模型：

i＝bs+n

其中b被稱為偏置場，s是真實圖像，n表示噪聲；

對于輸入的無噪聲圖像，根據Retinex理論將i分解成結構部分s和光照偏移場部分b的乘積：

i＝b·s

進行對數變換可得：

I＝logi，B＝logb，S＝logs

可得I＝B+S；

由于輸入的非均勻圖像i通常包含噪聲，因此我們在這里認為圖像I與偏移部分B滿足：

I＝B+S+n₀

其中n₀近似為加性高斯噪聲。

3.根據權利要求1所述的一種基于偏移場和全局光滑先驗的非均勻圖像分割方法，其特征在于，步驟S5中采用凸優化的交替極小化方法和變量分裂技巧求解上述模型的最優解；具體地，

步驟S5.1、通過固定來計算當被確定后更新將變分問題表示為下列式子：

其中

式中，v_j是一個截斷函數，當時u_j＞μ時v_j＝1，當u_j≤μ，μ∈(0，1)時，v_j＝0；

步驟S5.2、采用交替極小化方法和算子分裂技巧來求解； 引入輔助變量將變分模型表示為以下有約束的優化問題：

約束條件為：

步驟S5.3、將拉格朗日乘子附加到線性約束中，將約束的優化問題轉化為無約束極值問題，得到增廣拉格朗日函數：

其中ρ_j為正懲罰項系數，表示拉格朗日乘子向量；

步驟S5.4、給定在迭代步驟l時的任意中間解用交替極小化方法更新上述模型的解，具體方法如下：

步驟S5.4.1、關于B，的最小化；首先給定通過下式方法計算

采用shrink算子求解如下：

計算B^l+1，具體步驟如下：

先將下式轉換為對應的Euler-Lagrange方程：

轉換可得：

采用Gauss-Seidel方法得到B^l+1的數值解；

步驟5.4.2、關于的最小化，首先給定通過下式計算

計算具體步驟如下：

對應的Euler-Lagrange方程為：

采用Gauss-Seidel迭代方法得到的近似解，采用如下公式計算

其中Proj_Γ(u)：＝max{min{u，1}，0}；

可以得出