基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法.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CN107240108A(43)申请公布日2017.10.10(21)申请号201710416237.1(22)申请日2017.06.06(71)申请人衢州学院地址324000浙江省衢州市九华北大道78号(72)发明人江晓亮林欢冯凯萍丁小康王桢(74)专利代理机构北京华仲龙腾专利代理事务所(普通合伙)11548代理人李静(51)Int.Cl.G06T7/12(2017.01)G06T7/194(2017.01)权利要求书3页说明书9页附图6页(54)发明名称基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法(57)摘要本发明提供了一种基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法，属于图像处理技术领域。本基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法包括如下步骤：S1：输入原始图像I(x)；S2：计算图像的局部熵，进而得到图像的局部符号差能量项；S3：初始化水平集函数φ0＝φ(x)；S4：初始化系数α、β、λ1、λ2、μ、ν、ε、σ、Δt；S5：计算局部拟合能量项e1、e2；S6：更新水平集函数φ；S7：判断水平集演化曲线是否满足收敛准则，若没有，转到步骤S5继续计算，直到满足终止条件。本发明可以实现灰度不均匀目标的分割，对初始轮廓曲线的形状、大小、位置更不敏感，且具有一定的抗噪性。CN107240108ACN107240108A权利要求书1/3页1.一种基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法，其特征在于，该方法包括如下步骤：S1：输入原始图像I(x)；S2：计算图像的局部熵，进而得到图像的局部符号差能量项；S3：初始化水平集函数φ＝φ0(x)，它的符号距离函数定义如下：S4：初始化系数α、β、λ1、λ2、μ、ν、ε、σ、Δt；S5：计算局部拟合能量项e1、e2；S6：更新水平集函数φ；S7：判断水平集演化曲线是否满足收敛准则，若没有，转到步骤S5继续计算，直到满足终止条件。2.根据权利要求1所述的基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法，其特征在于，在步骤S2中，图像局部熵的表达式为：公式中，Ωx是以x为中心的邻域，y是邻域中的像素，P(y,Ωx)是邻域像素灰度级的分布函数，可以表示为：图像的局部符号差能量项的表达式为：公式中，Er(x)＝E(x,B(x,r))是以x为中心的邻域像素点的局部熵，B(x,r)＝{y:|x-y|≤r,r＞0}是窗口函数；W(x)是权重函数，定义如下：W(x)＝∫inside(C)Kσ(x-y)dy∫outside(C)Kσ(x-y)dylsd前景聚类f1和背景聚类f2的符号差能量E(x)定义如下：lsdE(x)＝f1(x)-f2(x)。3.根据权利要求3所述的基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法，其特征在于，在步骤S5中，包括如下子步骤：S5.1：在局部高斯分布拟合能量的基础上引入局部符号差能量项公式中，ELGDF、El分别为局部高斯分布拟合能量项和局部符号差能量项，α、β分别为LGDF项和LSD项的权重系数，其中，LGDF模型的能量泛函如下所示：2CN107240108A权利要求书2/3页S5.2：为了保持演化曲线本身的光滑度和规则性，并且尽可能减少在分割结果中出现孤立和较小的区域，需要在目标函数中引入长度项和惩罚项，则模型的能量泛函可以表示为：公式中，L(φ)和P(φ)分别为长度项和惩罚项，ν和μ分别是它们的权重系数；S5.3：引入Heaviside函数H(z)和Dirac函数δ(z)，则能量泛函可以表示为如下的水平集形式：公式中，M1,ε(φ(y))＝Hε(φ(y))；M2,ε(φ(y))＝1-Hε(φ(y)),在实际过程中，Heaviside函数近似为一个光滑函数Hε(z)：Dirac函数δ(z)相应的正则化形式δε(z)定义如下：S5.4：采用标准的梯度下降流法来极小化能量泛函,固定水平集函数φ，对S5.3中的水平集形式关于函数u1、u2、σ1、σ2极小化泛函F(φ)，通过变分法可得：S5.5：固定u1、u2、σ1和σ2来最小化S5.3中的水平集形式所描述的能量泛函F(φ)，同时引入时间变量t，可得到如下的水平集演化方程：公式中，3CN107240108A权利要求书3/3页4CN107240108A说明书1/9页基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法技术领域[0001]本发明属于图像处理技术领域，涉及一种活动轮廓模型图像分割方法，特别是一种基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法。背景技术[0002]随着计算机科学技术的迅