一种基于局部灰度聚类特征的图像水平集分割方法技术

本发明专利技术提供一种基于局部灰度聚类特征的图像水平集分割方法，该方法为读取待分割图像，采用正交基函数的线性加权和拟合偏移场，并初始化各基函数的权重值，初始化图像的水平集函数集合，建立图像水平集分割的能量泛函，根据待分割图像设定水平集分割控制参数，分别更新聚簇中心集合、图像水平集函数集合、基函数权重列向量，直至满足迭代终止条件，得到迭代的能量泛函，根据当前更新后的图像水平集函数集合构造图像的隶属度函数，即待分割图像的分割结果，并根据更新后的基函数权重列向量与基函数列向量得到待分割图像的偏移场估计，该方法克服了弱边界、图像噪声以及灰度不一致性对图像分割精度的负面影响，起到校正图像灰度的作用。

【技术实现步骤摘要】

本专利技术属于计算机视觉、模式识别、图像处理与分析的
，具体涉及一种基于局部灰度聚类特征的图像水平集分割方法。
技术介绍
图像分割在计算机视觉、模式识别、图像处理领域起着重要作用。其目的是将图像划分为多个感兴趣区域，每个区域内的像素组成一个具有特定形状和结构特征的感兴趣对象。虽然被研究多年且有多种分割方法被提出，从存在噪声和灰度偏移场的结构复杂的图像中分割感兴趣对象仍然是一个挑战。水平集分割方法将图像分割转化为定义在水平集函数上的能量泛函的能量最小化问题。水平集分割方法能够提供亚像素级的平滑封闭的分割曲线，且可以将形状或灰度分布的先验知识包含在能量公式中，从而增强分割方法的健壮性。因此，这类方法在图像分割领域具有明显优势。一般地，水平集分割方法用比水平集函数低一维的零水平集曲线表示分割对象的边界。零水平集曲线随着水平集函数进行演化，直到曲线正好运动到分割对象边界时，停止演化。此时，以水平集函数为自变量的能量泛函取最小值，反之亦然。但是，传统的水平集方法不具备应对影像灰度不一致性问题的能力。
技术实现思路
针对现有技术的不足，本专利技术提出一种基于局部灰度聚类特征的图像水平集分割方法。本专利技术的技术方案是：一种基于局部灰度聚类特征的图像水平集分割方法，包括以下步骤：步骤1：读取待分割图像I；步骤2：采用M个正交基函数的线性加权和拟合偏移场b，并初始化各基函数的权重值；所述偏移场b的公式如下所示：b＝wTG；其中，w＝(w1，w2，...，wM)T为基函数权重列向量，G＝(g1，g2，...，gM)T为M个基函数构成的列向量，g1，g2，...，gM为两两正交的基函数，w1，w2，...，wM为初始化的各基函数的权重值；步骤3：初始化图像的水平集函数集合：根据待分割图像I待划分的区域数N，设定初始的k个零水平集分割曲线，根据设定的零水平集分割曲线生成高一维的水平集函数集合Φ＝(φ1，φ2，...，φk)；步骤4：建立图像水平集分割的能量泛函F(Φ，w，c)，根据待分割图像设定水平集分割控制参数：图像数据项权重系数λn、水平集函数正则项系数μ、水平集分割曲线平滑项系数v；所述能量泛函如下所示： F ( Φ , w , c ) = D ( Φ , w , c ) + μ Σ i = 1 k R ( φ i ) + v Σ i = 1 k L ( φ i ) ; ]]>其中，为图像数据项，n∈{1，2，...，N本文档来自技高网...

【技术保护点】
一种基于局部灰度聚类特征的图像水平集分割方法，其特征在于，包括以下步骤：步骤1：读取待分割图像I；步骤2：采用M个正交基函数的线性加权和拟合偏移场b，并初始化各基函数的权重值；所述偏移场b的公式如下所示：b＝wTG；其中，w＝(w1，w2，...，wM)T为基函数权重列向量，G＝(g1，g2，...，gM)T为M个基函数构成的列向量，g1，g2，...，gM为两两正交的基函数，w1，w2，...，wM为初始化的各基函数的权重值；步骤3：初始化图像的水平集函数集合：根据待分割图像I待划分的区域数N，设定初始的k个零水平集分割曲线，根据设定的零水平集分割曲线生成高一维的水平集函数集合Φ＝(φ1，φ2，...，φk)；步骤4：建立图像水平集分割的能量泛函F(Φ，w，c)，根据待分割图像设定水平集分割控制参数：图像数据项权重系数λn、水平集函数正则项系数μ、水平集分割曲线平滑项系数v；所述能量泛函如下所示：F(Φ,w,c)=D(Φ,w,c)+μΣi=1kR(φi)+vΣi=1kL(φi);]]>其中，为图像数据项，n∈{1，2，...，N}，1为函数值全为1的常函数，*为卷积操作符号，K为归一化的非负偶函数，c＝(c1，c2，...，cN)为聚簇中心集合，Mn(Φ(x))为第n个子区域Ωn的隶属度函数，Φ(x)为x像素点处k个水平集函数值构成的集合；为水平集函数正则项，为φi(x)的梯度，为水平集分割曲线平滑项，δ(φi(x))为φi(x)的Dirac函数，为φi(x)的Heaviside函数；步骤5：设定最大迭代次数J和图像水平集分割的能量泛函F(Φ，w，c)的收敛阈值；步骤6：分别更新聚簇中心集合cj、图像水平集函数集合Φj、基函数权重列向量wj，得到第j次迭代的能量泛函Fj(Φ，w，c)；步骤7：判断是否达到迭代终止条件：若当前迭代次数达到最大迭代次数或者Fj(Φ，w，c)与Fj‑1(Φ，w，c)的差值小于图像水平集分割的能量泛函F(Φ，w，c)的收敛阈值，则执行步骤8，否则，迭代次数加1，返回步骤6；步骤8：根据当前更新后的图像水平集函数集合构造图像的隶属度函数即待分割图像I的分割结果，并根据更新后的基函数权重列向量wj与基函数列向量G得到待分割图像I的偏移场估计。...

【技术特征摘要】
1.一种基于局部灰度聚类特征的图像水平集分割方法，其特征在于，包括以下步骤：步骤1：读取待分割图像I；步骤2：采用M个正交基函数的线性加权和拟合偏移场b，并初始化各基函数的权重值；所述偏移场b的公式如下所示：b＝wTG；其中，w＝(w1，w2，...，wM)T为基函数权重列向量，G＝(g1，g2，...，gM)T为M个基函数构成的列向量，g1，g2，...，gM为两两正交的基函数，w1，w2，...，wM为初始化的各基函数的权重值；步骤3：初始化图像的水平集函数集合：根据待分割图像I待划分的区域数N，设定初始的k个零水平集分割曲线，根据设定的零水平集分割曲线生成高一维的水平集函数集合Φ＝(φ1，φ2，...，φk)；步骤4：建立图像水平集分割的能量泛函F(Φ，w，c)，根据待分割图像设定水平集分割控制参数：图像数据项权重系数λn、水平集函数正则项系数μ、水平集分割曲线平滑项系数v；所述能量泛函如下所示： F ( ...

【专利技术属性】
技术研发人员：冯朝路，胡扬，邓寒冰，赵大哲，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21