基于局部能量压力驱动的自适应活动轮廓分割模型.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110738680A(43)申请公布日2020.01.31(21)申请号201910957715.9(22)申请日2019.10.10(71)申请人东华理工大学地址344000江西省抚州市市辖区抚州市学府路56号(72)发明人刘花香方江雄刘军付有瑶孙琳(74)专利代理机构江西省专利事务所36100代理人胡里程(51)Int.Cl.G06T7/149(2017.01)权利要求书2页说明书5页附图2页(54)发明名称基于局部能量压力驱动的自适应活动轮廓分割模型(57)摘要一种基于局部能量压力驱动的自适应活动轮廓分割模型，主要包括局部窗尺度自适应选择、基于局部能量的压力构建和水平集函数更新过程。首先，通过设计基于局部能量压力作为图像局部特征提取的驱动力，能有效地分割灰度不均匀图像。为了进一步消除基于局部能量压力函数中局部窗尺度大小选择难题，提出了一种多尺度自适应选择方案。然后，根据图像灰度不均匀程度，自适应选择局部窗口大小。接着，在水平集函数迭代过程中，保持目标区域的平均灰度值大于（或小于）背景区域的平均灰度值，以提高对初始曲线的鲁棒性。此外，为了避免重新初始化过程，增加了正则化项和惩罚项。本发明方法不仅提高了分割灰度不均匀图像分割效果，而且还使得分割结果与初始条件无关。CN110738680ACN110738680A权利要求书1/2页1.一种基于局部能量压力驱动的自适应活动轮廓分割模型，其特征在于：步骤1：输入分割图像，设置初始化参数：权重系数μ和ν，最大迭代次数；步骤2：初始化水平集函数：其中I(x)为图像域，x为像素点，C为图像域Ω内闭合曲线(伪零水平集函数)，ρ为正常数；步骤3：选择自适应尺度参数：3.1)计算整个图像域多尺度局部能量EL(k)：其中，D(L,Ex(k))表示整个图像域中各尺度的局部区域能量集合，点y是以x为中心的半径为r的区域Ωx，I'(x)和I'(y)为点x和点y对应的灰度值，k表示当前局部尺度，L＝{2,…,N}为尺度集合；为计算图像域中各尺度的局部区域能量集合D(L,Ex(k))，需先计算图像域中尺度为k的局部能量E(k)，其定义如下：其中，D(k,Ex(k))表示整个图像域Ω中尺度为k时的局部区域能量，Ex(k)表示图像域中任意点x的局部区域能量；3.2)计算图像域局部能量的均值最大变化比，其表达如下：且MEx(k+1)＞MEx(k)其中，表示变量x的最大值，MEx(k)为尺度为k时的局部能量均值，其表达式如下：其中，M是图像像素数目；步骤4：更新图像域各像素点内部和外部灰度均值f1和f2，其表达式如下：其中，φ(y)为水平集函数；在计算过程中，根据图像的灰度特征设置在曲线演化过程中图像的灰度均值f1大于(或小于)f2；步骤5：针对图像域中各像素点x，计算局部区域型压力函数lepf(I(x))：其中，以像素点x为中心的局部区域的能量函数e1(x)和e2(x)定义如下：其中，κσ(·)是尺度参数为σ的高斯核函数，H(·)为Heaviside函数；2CN110738680A权利要求书2/2页步骤6：更新水平集函数，其表达式如下：其中，μ和ν是两个权重变量，是水平集函数φ的梯度，t为曲线演化的时间，上式第一项和第二项分别为正则项和惩罚项；步骤7：重复步骤:4-6直至循环结束。3CN110738680A说明书1/5页基于局部能量压力驱动的自适应活动轮廓分割模型技术领域[0001]本发明涉及机器视觉与图像处理技术领域中图像分割方法，具体是一种基于局部能量压力驱动的自适应活动轮廓分割模型(AdaptiveActiveContourModelDrivenbyLocalEnergy-basedPressureForce)分割模型。技术背景[0002]图像分割是图像处理和计算机视觉领域中最重要任务之一，其目的就是将给定的图像分割成不同具有相同特性区域目标区域。灰度不均匀(IntensityInhomogeneity)图像分割方法研究一直是图像处理领域的难点。基于局部区域性主动轮廓(LocalRegion-basedActiveContour)的图像分割模型，由于将图像的局部信息融合于图像能量泛函中，并利用梯度下降法求解能量泛函的最小值，已成为近年来灰度不均匀图像分割领域的研究热点。其中，基于局部Chan-Vese分割模型，通过利用局部空间变化权重的尺度参数获取局部图像信息，但是这些模型的分割结果取决于初始化参数值和初始位置。基于选择性二值高斯滤波规则化水平集(SelectiveBinaryandGaussianFilteringRegularizedLevelSet，SBGFRLS)的混合主动轮廓模型，通过结合边缘型主动轮廓模型和区域型主动