基于全局信息和局部信息自适应拟合的图像分割方法.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CN105825513A(43)申请公布日2016.08.03(21)申请号201610159166.7(22)申请日2016.03.21(71)申请人辽宁师范大学地址116029辽宁省大连市沙河口区黄河路850号(72)发明人王相海陶兢哲李明孙丽(74)专利代理机构大连非凡专利事务所21220代理人闪红霞(51)Int.Cl.G06T7/00(2006.01)权利要求书2页说明书4页附图4页(54)发明名称基于全局信息和局部信息自适应拟合的图像分割方法(57)摘要本发明公开一种基于全局信息和局部信息自适应拟合的图像分割方法，方法中所用模型是在分析改进的CV模型的演化模式和全局信息的基础上，增加了LBF模型中局部信息的优点，融合图像局部信息和全局信息，由图像几何信息和数学分析实现相关权重系数的自适应，很好地解决了原有模型对初始轮廓线敏感、水平集重新初始化、数值求解复杂、分割效率低、分割效果差和人为因素的干扰等问题。CN105825513ACN105825513A权利要求书1/2页1.一种基于全局信息和局部信息自适应拟合的图像分割方法，其特征在于按如下步骤进行：步骤1.读入图像相关信息，并设置相关高斯核函数；步骤2.建立水平集演化方程：其中，所述为水平集，所述为初始图像，所述其余符号见公式~；步骤3.为了求解模型，初始化水平集函数，令；步骤4.计算参数：其中，所述为轮廓曲线在第n次迭代后，图像在其内部和外部的全局信息，所述和为曲线内部和外部区域的图像在点x处的个局部拟合值，所述为高斯核，所述为拟合参数，为Heaviside函数，其定义为：步骤5.利用有限差分法，根据公式更新水平集函数：2CN105825513A权利要求书2/2页其中，为迭代步长，为了实现水平集函数的正则化并加速演化过程，令；步骤6.使用“停止准则”检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代；否则，令，并转入步骤4。3CN105825513A说明书1/4页基于全局信息和局部信息自适应拟合的图像分割方法技术领域[0001]本发明涉及图像处理领域，尤其是一种计算简单、对初始位置和大小不敏感并结合了图像的局部信息，可有效处理灰度不均匀图像和其它类型图像的基于全局信息和局部信息自适应拟合的图像分割方法。背景技术[0002]图像分割在图像处理领域中占有比较基础而重要的地位，其目的是从待分割图像中提取感兴趣的对象，以便与图像中的其余对象相分离，进一步服务于更高层次的图像处理。[0003]近年来，基于偏微分方程的图像分割技术得到了广泛关注，而目前基于偏微分方程的图像分割又以活动轮廓模型的研究为主。在现阶段国内外所提出的活动轮廓模型当中，CV模型是基于全局信息的经典模型，此模型具有对轮廓初始化不敏感的特点，但不能分割异质（灰度分布不均匀）的图像。为此，研究人员在CV模型中引入了高斯核函数，把CV模型的全局二值拟合能量泛函改为以高斯函数为核函数的局部二值拟合能量泛函，设计了一种局部二值能量泛函拟合的LBF模型。该模型具有很好的局部特性，在一定程度上解决了灰度不均匀图像的分割问题。然而，LBF模型中许多图像性质的计算及约束项的控制使得模型计算较为复杂，同时分割结果较大地依赖于演化曲线的大小与初始位置的选择。发明内容[0004]本发明是为了解决现有技术所存在的上述技术问题，提供一种计算简单、对初始位置和大小不敏感并结合了图像的局部信息，可有效处理灰度不均匀图像和其它类型图像的基于全局信息和局部信息自适应拟合的图像分割方法。[0005]本发明的技术解决方案是：一种基于全局信息和局部信息自适应拟合的图像分割方法，其特征在于按如下步骤进行：步骤1.读入图像相关信息，并设置相关高斯核函数；步骤2.建立水平集演化方程：其中，所述为水平集，所述为初始图像，所述其余符号见公式~；步骤3.为了求解模型，初始化水平集函数，令；步骤4.计算参数：4CN105825513A说明书2/4页其中，所述为轮廓曲线在第n次迭代后，图像在其内部和外部的全局信息，所述和为曲线内部和外部区域的图像在点x处的个局部拟合值，所述为高斯核，所述为拟合参数，为Heaviside函数，其定义为：步骤5.利用有限差分法，根据公式更新水平集函数：其中，为迭代步长，为了实现水平集函数的正则化并加速演化过程，令；步骤6.使用“停止准则”检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代；否则，令，并转入步骤4。[0006]本发明是在CV模型和LBF模型的基础上，公开一种自适应的区域活动轮廓模型。该模型继承了改进CV模型的计算简单、对初始位置和大小不敏感的特性，并结合了图像的局部信息，既克服了只包含全局信息的活动轮廓模型的不足，又简化了LBF模型的计算，可有效处理