基于区域灰度异质能量的图像分割方法.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CN109727258A(43)申请公布日2019.05.07(21)申请号201910011046.6(22)申请日2019.01.07(71)申请人南京大学地址210093江苏省南京市鼓楼区汉口路22号(72)发明人杨孝平李旭刘海蓉(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人李淑静(51)Int.Cl.G06T7/11(2017.01)G06T7/13(2017.01)G06T7/41(2017.01)G06T5/00(2006.01)权利要求书2页说明书9页附图4页(54)发明名称基于区域灰度异质能量的图像分割方法(57)摘要本发明公开了一种基于区域灰度异质能量的图像分割方法，包括以下步骤：S10、输入原始图像，得到其灰度图像的像素点个数和灰度值；S20、基于灰度图像的像素点个数和灰度值，计算图像的灰度异质指标和灰度异质因子，得到与初始图像对应的灰度异质因子图像；S30、构建基于区域灰度异质能量的活动轮廓模型，所述模型的总能量泛函包括区域灰度异质能量泛函项、边缘能量项和局部区域拟合项；S40、求解总能量泛函，得到图像的分割结果。本发明的能量泛函既使用了原始图像的灰度信息，又融合了区域灰度异质信息。两者结合，相互平衡，能够有效地分割灰度极其不均匀的图像。实验表明，本方法在分割两类特定图像时，分割结果优于仅基于图像灰度信息的分割结果。CN109727258ACN109727258A权利要求书1/2页1.一种基于区域灰度异质能量的图像分割方法，其特征在于，所述方法包括以下步骤：S10、输入原始图像，得到其灰度图像的像素点个数和灰度值；S20、基于灰度图像的像素点个数和灰度值，计算图像的灰度异质指标d和灰度异质因子F(x)，得到与初始图像对应的灰度异质因子图像；S30、构建基于区域灰度异质能量的活动轮廓模型，所述模型的总能量泛函包括区域灰度异质能量泛函项、边缘能量项和局部区域拟合项；S40、求解总能量泛函，得到图像的分割结果。2.根据权利要求1所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述步骤S10中，原始图像包括彩色图像和灰度图像，当原始图像为彩色图像时，使用MATLAB自带程序rgb2gray将其变换成灰度图像。3.根据权利要求1所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述步骤S20中，所述灰度异质指标d的计算公式为：其中，Ω表示图像中像素点集合，|Ω|为图像中像素点的个数，mean(I(Nk(x)))为邻域Nk(x)中像素的灰度均值，Nk(x)＝{y∈Ω:|xh-yh≤k,|xv-yv|≤k}，k表示邻域大小，I(x)表示任意像素点x＝(xh,xv)的灰度值；所述区域灰度异质因子F(x)的计算公式如下：其中，4.根据权利要求3所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述步骤S30中，所述总能量泛函的形式如下：E＝λ1Erh+λ2Elocal+λ3Eedge+νLength(C)其中，Erh为区域灰度异质能量，Elocal为局部能量，Eedge为边缘能量，λ1,λ2和λ3是三种能量的权重，Length(C)代表轮廓C的长度约束正则项，ν代表长度约束正则项的权重。5.根据权利要求4所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述区域灰度异质能量计算公式如下：2CN109727258A权利要求书2/2页其中，代表区域灰度质异因子的图像，Hε(φ)是Heaviside函数的正则化，φ是水平集函数，P1和P2是轮廓C内部和外部的平均灰度异质因子，其具体表达式分别为：6.根据权利要求4所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述局部能量计算公式为：其中，W(x)是一个以像素点x为中心的邻域，K为一个Gauss核函数，t＝[m(x),s(x)]为纹理描述算子，用来描述原图像中的纹理信息，m(x),s(x)是图像灰度的均值和方差，tin和tout表示轮廓内外的图像灰度均值和方差组成的纹理描述算子，Hε(φ)是Heaviside函数的正则化，φ是水平集函数。7.根据权利要求4所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述边缘能量计算公式为：其中，FPM(p)表示图像Perona-Malik去噪后的灰度异质因子，Hε(φ)是Heaviside函数的正则化，φ是水平集函数。8.根据权利要求4所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述步骤S40包括：将轮廓C嵌入到水平集函数φ中，得到总能量泛函的具体形式，然后采用采用梯度下降法，求关于水平集函数φ的一阶变分，再通过迭代实施活动轮廓演化得到目标边界。3CN109727258A说明书1/9页基于区域灰度异质能量的