基于区域信息和边缘信息的水平集图像分割方法及其系统技术方案

一种基于区域信息和边缘信息的水平集图像分割方法及其系统，根据图像的区域信息和边缘信息，构建能量泛函并初始化水平集函数，得到初始水平集函数；采用梯度下降流方法得到水平集函数演化方程，并基于能量泛函依次进行粗分割阶段和平滑阶段的水平集函数演化处理，进行图像的大致分割和精确定位，得到分割后的图像；所述的系统包括：初始化模块、水平集函数演化模块、颜色方差计算模块和分割结果输出模块；本发明专利技术减少了水平集函数的迭代次数，提高了水平集对彩色图的分割定位能力。

【技术实现步骤摘要】

本专利技术涉及的是一种图像处理领域的技术，具体是一种基于区域信息和边缘信息的水平集图像分割方法及其系统。
技术介绍
水平集方法由Osher和Sethian提出，其基础思想就是利用高维函数的零水平集来表示轮廓。由于其自由拓扑性，近些年来被广泛应用于图像分割。水平集的能量模型主要分为两种，基于区域的模型和基于边缘的模型。基于区域的模型依靠区域检测算子来驱动水平集函数演化过程，如Chan和Vese提出的C‐V模型，该模型利用颜色方差作为区域检测算子，同时加入轮廓长度和面积约束，但是没有边缘检测项，在演化过程中对边缘的定位不够精确。基于边缘检测的模型主要依靠边缘检测算子来定位目标边缘，如Li Chunming提出的一种基于边缘检测的模型，加入了内部能量项，可以在演化过程中自我规范，不需要重新初始化为距离函数，但这种方法演化较慢，而且受到水平集初始化影响较大。近些年来，许多学者也在改进水平集函数，充分考虑图像的区域信息和边缘信息。经过对现有技术的检索发现，中国专利文献号CN104715484A，公布日2015.6.17，公开了一种基于改进的水平集的自动肿瘤区域分割方法，包括：获取包含病变区域的待分割的原始PET图像并进行预处理和定位从而确定预处理后的待分割病变区域PET图像；根据病变区域的CT图像和所述预处理后的待分割病变区域PET图像构造超图，从而初步确定PET图像中的粗略肿瘤区域为初始零水平集；对所述初始零水平集执行改进的水平集方法从而确定肿瘤区域；根据形态学运算对所述肿瘤区域执行边缘平滑处理。但该技术缺少水平集函数的自我规范项，演化过程中易出现奇点，且没有充分利用边缘信息，水平集函数的初始化不够灵活，导致应用范围受限，不易于扩展应用到其他种类图像的分割。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种基于区域信息和边缘信息的水平集图像分割方法及其系统，通过初始水平集函数，结合区域信息和边缘信息，对输入的彩色图像进行大致分割和边缘平滑，减少迭代运算次数，提高定位能力。本专利技术是通过以下技术方案实现的：本专利技术涉及一种基于区域信息和边缘信息的水平集图像分割方法，根据图像的区域信息和边缘信息，构建能量泛函并初始化水平集函数，得到初始水平集函数；采用梯度下降流方法得到水平集函数演化方程，并基于能量泛函依次进行粗分割阶段和平滑阶段的水平集函数演化处理，进行图像的大致分割和精确定位，得到分割后的图像。所述的区域信息是指图像的颜色信息。所述的边缘信息是指图像的梯度信息。所述的能量泛函为内部能量和外部能量的和。所述的内部能量包括自规范能量和零水平集表示的轮廓线长度。所述的内部能量其中：为水平集函数表示在零水平集内部，表示在零水平集外部，表示零水平集)，μ和α分别为自规范能量和零水平集表示的轮廓线长度的权值，为自规范能量，为零水平集表示的轮廓线的长度。所述的自规范能量其中：为水平集函数的梯度，(x,y)为图像的像素坐标。所述的零水平集表示的轮廓线长度其中：g为边缘检测算子，δ()为Dirac函数。所述的Dirac函数所述的边缘检测算子其中：G为高斯核函数，σ为预设的尺度参数，I为向量形式的图像三通道原始灰度值。所述的外部能量为零水平集内和零水平集外的颜色信息方差之和。所述的零水平集内的颜色信息方差其中：λ1为外部能量在零水平集内的权值，m1为向量形式的零水平集内部灰度均值，H()为Heaviside函数。所述的Heaviside函数所述的Heaviside函数H()与Dirac函数δ()的关系为：ε为Heaviside函数正则化参数。所述的零水平集内部灰度均值所述的零水平集外颜色信息方差其中：λ2为外部能量在零水平集内的权值，m2为向量形式的零水平集外部灰度均值。所述的零水平集外部灰度均值所述的能量泛函为：所述的初始水平集函数其中：c0为权值系数，R为输入的图像的高度，C为输入的图像的宽度。所述的水平集函数的演化方程在图像为黑白图像时：其中：为水平集函数的演化方向，t为时间；其中：为水平集函数的拉普拉斯离散，div()为散度；在图像为彩色图像时，所述的粗分割阶段的演化是指：将外部能量中的权值设定为比内部能量中的权值大的数值进行演化，直到满足该阶段演化停止条件。所述的平滑阶段的演化是指：将外部能量中的权值设定为比内部能量中的权值小的数值进行演化，直到满足该阶段演化停止条件。本专利技术涉及一种实现上述方法的系统，包括：初始化模块、水平集函数演化模块、颜色方差计算模块和分割结果输出模块，其中：水平集函数演化模块根据初始化模块提供的原始图像、初始参数和初始水平集函数，以及颜色方差计算模块根据初始化模块提供的原始图像得到的颜色方差矩阵进行水平集函数演化处理，向颜色方差计算模块反馈水平集函数信息，并将演化结果通过水平集函数输出至分割结果输出模块，得到分割后的图像。技术效果与现有技术相比，本专利技术通过初始水平集函数，结合区域信息和边缘信息，经过粗分割和平滑两个阶段的演化，实现了图像的分割，并且边缘定位精确，迭代次数少，演化过程中引入的内部能量避免了水平集函数出现奇点，减少运算量，加快演化速度。附图说明图1为图像分割方法流程示意图；图2为实施例输入图像及其groundtruth图；图中：(a)为输入图像，(b)为groundtruth图；图3为第一阶段演化的结果；图中：(a)为零水平集表示的轮廓，(b)为分割结果；图4为第二阶段演化的结果；图中：(a)为零水平集表示的轮廓，(b)为分割结果；图5为图像分割系统示意图；图6为图像分割系统输入输出效果图；图中：(a)、(d)和(g)为输入图像，(b)、(e)和(h)为相应的groundtruth图，(c)、(f)和(i)为相应的分割结果。具体实施方式下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例1如图1所示，本实施例涉及一种基于区域信息和边缘信息的水平集图像分割方法，包括以下步骤：步骤1、输入图像，根据图像的区域信息和边缘信息，构建对应的能量泛函。如图2(a)所示，输入的图像为400×380像素彩色图，采用HSV三颜色通道。所述的区域信息是指图像的颜色信息。所述的边缘信息是指图像的梯度信息。所述的能量泛函其中：为内部能量，为外部能量。所述的内部能量其中：为水平集函数表示在零水平集内部，表示在零水平集外部，表示零水平集)，μ和α分别为预设的自规范能量和零水平集表示的轮廓线长度的权值，为自规范能量，为零水平集表示的轮廓线的长度。所述的自规范能量和零水平集表示的轮廓线长度的权值u和α的初始值为u0和α0。所述的自规范能量其中：为水平集函数的梯度，(x,y)为图像的像素坐标。所述的零水平集表示的轮廓线长度其中：g为边缘检测算子，δ()为Dirac函数。所述的Dirac函数所述的边缘检测算子其中：G为高斯核函数，σ为预设的尺度参数，I为向量形式的图像的三通道原始灰度值。所述的边缘检测算子g通过以下方法计算：对输入的图像进行高斯平滑，得到平滑之后的图像，对平滑后的图像求梯度，得到x和y方向的梯度Ix，Iy；对梯度求模：f＝Ix.^2+Iy.^2，可得边缘检测算子g＝1/(1+f)。所述本文档来自技高网...

【技术保护点】
一种基于区域信息和边缘信息的水平集图像分割方法，其特征在于，根据图像的区域信息和边缘信息，构建能量泛函并初始化水平集函数，得到初始水平集函数；采用梯度下降流方法得到水平集函数演化方程，并基于能量泛函依次进行粗分割阶段和平滑阶段的水平集函数演化处理，进行图像的大致分割和精确定位，得到分割后的图像；所述的区域信息是指图像的颜色信息；所述的边缘信息是指图像的梯度信息；所述的能量泛函为内部能量和外部能量的和。

【技术特征摘要】
1.一种基于区域信息和边缘信息的水平集图像分割方法，其特征在于，根据图像的区域信息和边缘信息，构建能量泛函并初始化水平集函数，得到初始水平集函数；采用梯度下降流方法得到水平集函数演化方程，并基于能量泛函依次进行粗分割阶段和平滑阶段的水平集函数演化处理，进行图像的大致分割和精确定位，得到分割后的图像；所述的区域信息是指图像的颜色信息；所述的边缘信息是指图像的梯度信息；所述的能量泛函为内部能量和外部能量的和。2.根据权利要求1所述的水平集图像分割方法，其特征是，所述的粗分割阶段的演化是指：将外部能量中的权值设定为比内部能量中的权值大的数值进行演化，直到满足该阶段演化停止条件；所述的平滑阶段的演化是指：将外部能量中的权值设定为比内部能量中的权值小的数值进行演化，直到满足该阶段演化停止条件。3.根据权利要求1所述的水平集图像分割方法，其特征是，所述的内部能量其中：为水平集函数(表示在零水平集内部，表示在零水平集外部，表示零水平集)，μ和α分别为自规范能量和零水平集表示的轮廓线长度的权值，为自规范能量，为零水平集表示的轮廓线的长度。4.根据权利要求3所述的水平集图像分割方法，其特征是，所述的自规范能量其中：为水平集函数的梯度，(x,y)为图像的像素坐标。5....

【专利技术属性】
技术研发人员：沈红斌，智绪浩，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31