基于局部拟合图像的活动轮廓图像分割方法.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CN106548478A(43)申请公布日2017.03.29(21)申请号201610970558.1(22)申请日2016.10.28(71)申请人中国科学院苏州生物医学工程技术研究所地址215163江苏省苏州市高新区科灵路88号(72)发明人王雷常严王慧吴振洲杨晓冬(74)专利代理机构苏州华博知识产权代理有限公司32232代理人傅靖(51)Int.Cl.G06T7/12(2017.01)权利要求书2页说明书7页附图5页(54)发明名称基于局部拟合图像的活动轮廓图像分割方法(57)摘要本发明公开一种局部拟合图像的活动轮廓图像分割方法，其实施步骤主要包括根据现有活动轮廓模型提出一种新的局部平方拟合图像，用以近似原始图像的平方和突出图像中的目标区域；然后平方拟合图像和来自LIF模型中的局部拟合图像一同用于构建一种新的基于两种不同局部拟合图像的能量泛函活动轮廓图像分割算法，同时为了保证分割结果曲线的光滑性和合理的曲线长度，两种不同的正则项被引入到能量泛函中，改善分割的准确性和时效性；最后，将该分割算法引入变分水平集求解框架中，实现目标轮廓的全自动提取。本发明能够在不同图像背景和灰度均匀性情况下较为准确地提取图像中的目标物体。CN106548478ACN106548478A权利要求书1/2页1.一种基于局部拟合图像的活动轮廓图像分割方法，其特征在于，包括以下内容：结合现有的LBF和LIF活动轮廓模型，通过建立它们之间的图像灰度关系，构建一种新的局部拟合图像，用以近似替代原始图像的平方，并将其成为局部区域内的平方拟合图像；局部拟合图像和平方拟合图像分别用于近似替代原始图像和原始图像的平方图，根据局部拟合图、平方拟合图、原始图像及原始图像的平方图四种不同的图像间的关系，构建一种新的基于局部拟合图像的能量泛函活动轮廓模型；通过变分求解框架模块构建能量泛函后，使用变分水平集的求解框架进行数学计算，即目标物体的轮廓以高维度隐式水平集的方法表示，然后通过梯度下降流和欧拉-拉格朗日方程将能量泛函转化为一个与时间相关的偏微分方程，并通过迭代逼近的方式求解该方程的最优值，进而获取目标物体的轮廓曲线。2.根据权利要求1所述的基于局部拟合图像的活动轮廓图像分割方法，其特征在于，根据现存的LBF和LIF活动轮廓模型，建立它们间的图像关系并求解局部区域内的平方拟合图像；其中，LBF和LIF模型对应的能量泛函分别为：在LBF模型中，为高斯核函数，用于限定图像的局部区域，σ为高斯核的标准偏差，x为区域中心，y为区域内任意一点，R为能量泛函的约束项；LFI在LIF模型中，I＝m1H1(φ)+m2H2(φ)为局部拟合图像的求解公式，fi(x)和mii＝1，2表示局部区域内图像前景与背景对应区域的灰度平均值，前景与背景分别由H1(φ)和H2(φ)确定；当在相同的局部图像区域时，便可得到关系式：fi(x)＝mi；此外，由于ILFI≈I，可以将其带入到LBF模型中，从而得到如下展开式：LBF由于，高斯核函数Kσ(x，y)主要用于限定图像局部区域且其值不小于0，因此E的最小化可转换为局部区域内公式的最小化，进而得到平方拟合图像的计算公式：3.根据权利要求1所述的基于局部拟合图像的活动轮廓图像分割方法，其特征在于，基于局部拟合图像的能量泛函中所述的能量泛函构建步骤如下：2CN106548478A权利要求书2/2页在指定大小的图像局部范围内，局部拟合图像、平方拟合图像、原图像以及其对应的平方图之间存在如下近似关系：I≈m1H1(φ)+m2H2(φ)借鉴交叉熵的形式构建如下能量泛函：公式中，λ1和λ2分别表示近似关系I≈m1H1(φ)+m2H2(φ)和在能量泛函中对应的权重系数；R为分割约束项；对目标物体的轮廓曲线的平滑性，曲线长度，以及局部轮廓细节进行约束，引入如下正则项：其中，υ，μ分布为平滑性和曲线长度的权重系数；φ(x)为零水平集函数，H(·)为单位阶跃函数。4.根据权利要求1所述的基于局部拟合图像的活动轮廓图像分割方法，其特征在于，变分求解框架中所述的求解能量泛函的步骤如下：变分水平集方法中梯度下降流的计算公式为：根据该公式将能量泛函转化为偏微分方程的形式为：LFISFI其中，I(x)和I(x)两拟合图像中涉及的m1和m2均可通过欧拉-拉格朗日方程确定。3CN106548478A说明书1/7页基于局部拟合图像的活动轮廓图像分割方法技术领域[0001]本发明涉及图像处理领域，特别涉及一种基于局部拟合图像的活动轮廓图像分割方法。背景技术[0002]图像分割是一个根据灰度特性将图像区域分为不同子模块的影像处理技术，对图像理解与分析、计算机视觉、以及目标探测等领域具有重要的作用，因此得到了广泛的应用和深