基于权重全局和局部拟合能量的模糊区域性活动轮廓分割模型.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CN110120057A(43)申请公布日2019.08.13(21)申请号201910303578.7(22)申请日2019.04.16(71)申请人东华理工大学地址344000江西省抚州市学府路56号(72)发明人方江雄刘花香柳和生张立亭刘军孙琳(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)G06T7/12(2017.01)权利要求书2页说明书9页附图3页(54)发明名称基于权重全局和局部拟合能量的模糊区域性活动轮廓分割模型(57)摘要一种基于权重全局和局部拟合能量的模糊区域性活动轮廓模型，主要包括伪水平集函数的定义、模糊区域型能量泛函的构建、模糊区域型能量泛函的求解过程和边界能量构建过程。通过将图像局部空间信息和全局灰度信息融合于模糊区域型主动轮廓模型，构建了模糊区域型的凸能量泛函，并非用欧拉-拉格朗日公式而是直接计算能量的变化值来更新水平集函数。为精确提取目标的边界，构建具有规则项和惩罚项的边界能量。本发明方法不仅提高了分割灰度不均匀图像和弱边缘图像的分割效果，而且还使得分割结果与初始条件无关。CN110120057ACN110120057A权利要求书1/2页1.一种基于权重全局和局部拟合能量的模糊区域性活动轮廓模型，其特征在于：该模型的能量泛函由模糊区域型能量和边界能量构成；模糊区域型能量Ffr定义如下：frm2m2F(u,g)＝λ1∫Ω[u(x)]g(I(x)-(αfo+βc1))dx+λ2∫Ω[1-u(x)]g(I(x)-(αfb+βc2))dx其中，λ1、λ2是大于0的权重系数，I(x)为输入图像，是边缘算子，c1和c2是图像像素均值，fo和fb分别表示为局部区域Ωx中内部区域和外部区域的灰度均值，u(x)是模糊成员函数，m是权重幂指数，m取值为1或2，α和β为大于0的数，且满足α+β＝1，是边缘算子，梯度算子，Gσ是标准差为σ的高斯核函数，图像灰度值c1和c2定义如下：fo和fb定义如下：其中，像素y∈Ωx是以像素x为圆心的局部区域；通过给各像素构建局部空间权重ω(x,y)：dis(x,y)表示像素x和像素y之间的距离，两常量fo和fb重写为：模糊区域型能量泛函的计算过程：对于整个图像域中的任一像素x，隶属度函数u(x)更新前后分别为u0(x)和un(x)，即有u0(x)＝∑Ωu0和un(x)＝∑Ωun；因此，在整个图像域中的能量泛函的变化值ΔF(x)表达如下：边界能量定义如下：其中，是哈密顿算子，是的梯度，l1和l2是大于0的系数，第一项2CN110120057A权利要求书2/2页是规则项，第二项是惩罚项；通过计算边界能量的导数，可得到：其中，为Diracdelta函数，div为散度；具体实施步骤如下：(1)输入分割图像，设置初始化参数：权重系数λ1、λ2、α、β、l1和l2，最大迭代次数，局部矩形窗的半径，边缘检测算子g；(2)初始化水平集函数：目标区域u0(x)＝0.7，背景区域u0(x)＝0.3；(3)计算图像的灰度值c1和c2、像素值fo和fb：(4)参数更新：隶属度函数u(x)，对应的新灰度值和新像素平均灰度值和(5)根据如下公式计算模糊区域能量的变化差值：mmmm其中，t1＝∑Ω[u(x)]，t2＝∑Ω[1-u(x)]，Δu2＝(1-un)-(1-u0)，*是卷积运算；如果ΔF(x)＜0，用un(x)值代替u0(x)，否则保持u0(x)原始值不变；(6)基于边界能量，规则化伪水平集函数；(7)重复步骤(4)-(6)直至循环结束。3CN110120057A说明书1/9页基于权重全局和局部拟合能量的模糊区域性活动轮廓分割模型技术领域[0001]本发明涉及模式识别与图像处理技术领域中图像分割方法，具体是一种基于权重全局和局部拟合能量的模糊区域性活动轮廓(FuzzyRegion-basedActiveContourwithWeightingGlobalandLocalFittingEnergy)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。基于主动轮廓(ActiveContour)的图像分割模型，由于能将模型的初始估计状态和图像数据先验知识统一于特征提取过程中，并能利用分割过程中获得的先验知识来指导分割过程等优势，已成为近年来图像分割领域的研究热点。但是，经典的Chan-Vese分割模型在曲线演化过程需要周期性地再初始化水平集函数，从而增加了计算量和数值计算误差。基于模糊能量的主动轮廓模型，将模糊能量引入到主动轮廓中，并非采用传统的欧拉-拉格朗日方程，而是采用快速优化算