基于简化的LBF模型的图像分割方法.pdf

(19)中华人民共和国国家知识产权局*CN103065309A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103065309103065309A(43)申请公布日2013.04.24(21)申请号201210573673.7(22)申请日2012.12.26(71)申请人辽宁师范大学地址116000辽宁省大连市沙河口区黄河路850号(72)发明人王相海宋传鸣李明(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)权权利要求书1页利要求书1页说明书4页说明书4页附图3页附图3页(54)发明名称基于简化的LBF模型的图像分割方法(57)摘要本发明公开了一种基于非下采样轮廓波变换的活动轮廓模型图像分割方法。首先,通过非下采样轮廓波变换进行待分割图像的多分辨率表示；其次，建立多分辨率系数的概率模型；最后，利用基于区域的活动轮廓模型进行多分辨率系数的整合操作以达到图像分割的目的。实验结果表明，本发明的方法可以很好地进行图像的分割操作，既可以保证分割图像的全局性，又可以分割出图像的细节信息。CN103065309ACN103659ACN103065309A权利要求书1/1页1.一种基于简化的LBF模型的图像分割方法，其特征在于建立简化的LBF模型和图像分割步骤：简化的LBF模型为：，其中，是带有标准差的高斯核，本发明取，并且；图像分割步骤：A.读入图像相关信息，并设置相关高斯核函数；B.初始化水平集函数；C.利用下式计算参数：；D.利用有限差分法，根据式更新水平集函数，即，其中为迭代步长，这里令；E.若达到预先设置的迭代次数，则停止迭代；否则，转入C。2CN103065309A说明书1/4页基于简化的LBF模型的图像分割方法技术领域[0001]本发明属于图像处理技术范围，具体涉及一种可提高图像分割准确度和分割效率的基于简化的LBF模型的图像分割方法。背景技术[0002]图像分割是图像处理中的重要任务之一，其目的是将图像中感兴趣的对象与图像中的其余部分相分离，以便为更高层次图像处理服务。目前有两个主要的模型：基于边缘信息的分割模型和基于区域信息的分割模型。基于边缘的分割模型无法准确分割边缘模糊或无边缘的图像，而基于全局区域分割的C-V模型则克服了边缘模型的缺点。区域分割模型利用活动轮廓内外部区域的信息排除了部分噪声的干扰，能处理边缘模糊或无边缘的情况，分割目标的内部和外部以及多层边界，并且对于简单的二值图像C-V模型可获得最佳的分割结果。然而，C-V模型对于纹理细节处理的能力尚达不到令人满意的结果，无法准确分割非同质图像。针对这个问题，国内外有很多研究人员设计了诸多新的模型，较为典型的模型包括分段光滑（PiecewiseSmooth,PS）模型，分段常值(PiecewiseConstant,PC)模型、局部二值拟合LBF（LocalBinaryFitting,以下简称LBF）模型，以及边缘和区域的结合模型等。其中，LBF模型是基于局部区域信息的分割模型，比C-V模型能更好地处理图像的纹理细节，处理效果更佳，但是由于处理了局部信息，其分割效率较低，而且对于初始轮廓线的选取也不是很灵活，人工的因素较多。现有基于偏微分方程的图像分割方法存在的三个方面不足：第一，现有模型只是简单地利用了图像的全局信息（简单的背景和目标），处理效果较为粗糙；第二，LBF模型某些项（如长度项等）的设计比较复杂和繁琐，影响模型的收敛速度；第三，C-V模型水平集函数的演化需要反复初始化，而LBF模型则需要合理设计初始轮廓线的位置，这在实际应用中会受到较大限制，实现亦较为耗时。发明内容[0003]本发明是为了解决现有技术所存在的上述技术问题，提供一种可提高图像分割准确度和分割效率的基于简化的LBF模型的图像分割方法。[0004]本发明的技术解决方案是：一种基于简化的LBF模型的图像分割方法，其特征在于建立简化的LBF模型和图像分割步骤：简化的LBF模型为：，其中，是带有标准差的高斯核，本发明取，并且3CN103065309A说明书2/4页。[0005]图像分割步骤：A.读入图像相关信息，并设置相关高斯核函数；B.初始化水平集函数；C.利用下式计算参数：；D.利用有限差分法，根据式更新水平集函数，即，其中为迭代步长，这里令；E.若达到预先设置的迭代次数，则停止迭代；否则，转入C。[0006]本发明首先通过引进高斯核函数来增强图像的局部结构信息，有利于改善目标分割的准确程度；其次，将现有模型中的全局常数值替换为函数，分别表示逼近曲线内、外部区域中图像局部强度的光滑函数，它们随着的变化而变化。当一项小于零时，轮廓沿法向演化，反之，沿逆法向演化。这使得轮廓在任意位置处，都有向目标边界演化的力：目标