[發(fā)明專利]一種雙模態(tài)成像信息聯(lián)合建模及適應性分割方法

有效

• 申請?zhí)枺?/td>: 202011276934.X
• 申請日: 2020-11-16
• 公開（公告）號: CN112348834B
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計）人: 陳哲;邱楠;石小濤;邢坦;王慧斌;譚均軍
• 申請（專利權(quán)）人: 河海大學;三峽大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種雙模態(tài)成像信息聯(lián)合建模及適應性分割方法，其特征在于，包括如下內(nèi)容：

(1)獲取目標的雙模態(tài)成像信息，所述雙模態(tài)成像信息包括目標的區(qū)域特征信息和結(jié)構(gòu)特征信息，分別建立所述區(qū)域特征信息和結(jié)構(gòu)特征信息的外部能量函數(shù)；定義區(qū)域特征信息為第一模態(tài)成像信息I₁，定義結(jié)構(gòu)特征信息為第二模態(tài)成像信息I₂，采用如下公式建立區(qū)域特征信息的外部能量函數(shù)：

其中，為水平集函數(shù)，I為第一模態(tài)成像信息I₁和第二模態(tài)成像信息I₂融合所得到的一幅圖像，H(·)是Heaviside函數(shù)，g為邊緣梯度函數(shù)，λ₁、λ₂為調(diào)節(jié)權(quán)重，m₁、m₂為第一模態(tài)成像信息I₁顯著性特征在水平集輪廓內(nèi)、外的均值，定義如下：

其中，S(x，y)為第一模態(tài)成像信息I₁基于全局對比度的顯著性特征，(x，y)為顯著性特征信息的空間坐標；

采用如下公式建立結(jié)構(gòu)特征信息的外部能量函數(shù)：

其中，β₁，β₂為調(diào)節(jié)權(quán)重，n₁，n₂為第二模態(tài)成像信息I₂在水平集輪廓內(nèi)、外的均值，定義如下：

其中，(x′，y′)為第二模態(tài)成像信息I₂的空間坐標；

(2)采用適應性加權(quán)策略對所述區(qū)域特征信息和結(jié)構(gòu)特征信息的外部能量函數(shù)進行融合，形成用于目標分割的能量函數(shù)；

(3)結(jié)合權(quán)重適應性優(yōu)化及梯度下降優(yōu)化對步驟(2)所得的能量函數(shù)進行優(yōu)化，當能量函數(shù)達到收斂時，完成對目標的適應性分割。

2.根據(jù)權(quán)利要求1所述的雙模態(tài)成像信息聯(lián)合建模及適應性分割方法，其特征在于，步驟(2)中，采用如下公式對所述區(qū)域特征信息和結(jié)構(gòu)特征信息的外部能量函數(shù)進行融合：

其中，θ₁，θ₂分別為區(qū)域特征信息、結(jié)構(gòu)特征信息的外部能量函數(shù)的調(diào)節(jié)權(quán)重；

最終，用于目標分割的能量函數(shù)建模為：

其中，為正則項。

3.根據(jù)權(quán)利要求2所述的雙模態(tài)成像信息聯(lián)合建模及適應性分割方法，其特征在于，所述正則項定義如下：

其中，是長度正則項，是距離正則項。

4.根據(jù)權(quán)利要求2所述的雙模態(tài)成像信息聯(lián)合建模及適應性分割方法，其特征在于，步驟(3)中，所述梯度下降優(yōu)化為：

其中，t為演化時間變量，為正則項，用于控制水平集函數(shù)收斂的正則性。

5.根據(jù)權(quán)利要求2所述的雙模態(tài)成像信息聯(lián)合建模及適應性分割方法，其特征在于，步驟(3)中，所述權(quán)重適應性優(yōu)化的過程為：

逐漸降低第一模態(tài)成像信息I₁的能量函數(shù)的權(quán)重，逐漸提高第二模態(tài)成像信息I₂的能量函數(shù)的權(quán)重：

θ₁←θ₁-tγ

θ₂←θ₂+tγ

其中，γ為適應性調(diào)節(jié)步長，當模型達到收斂時停止上述權(quán)重調(diào)制。