基于中介真值程度度量的局部主动轮廓图像分割方法技术

本发明专利技术公开了一种基于中介真值程度度量的局部主动轮廓图像分割方法，主要解决现有基于主动轮廓的图像分割方法不能用于多种图像的分割及分割结果不准确的问题。其实现过程为：1)输入待分割图像，在图像上给定初始轮廓，对图像上轮廓内外像素分别进行标号；2)取图像的局部区域，在局部区域上分别计算轮廓内外灰度均值；3)计算局部区域上像素的灰度值与轮廓内外灰度均值的相似度；4)根据上述结果构建能量函数；5)用图割优化能量函数，对轮廓内外的像素标号进行更新，以驱动局部区域内轮廓曲线向目标边界演化，当轮廓曲线到达目标边界时，完成图像分割。本发明专利技术不仅提高了图像分割的精度，而且能对多种类型图像进行分割，可用于目标识别。

Local active contour image segmentation method based on medium truth degree metric

The invention discloses a medium truth segmentation method of local active contour image measurement based on image, mainly solves the existing active contour segmentation method can not be used for segmentation and segmentation results of many images based on inaccurate problem. The process is as follows: 1) the input image, in the image of a given initial contour, image contour pixels respectively inside and outside the label; 2) the local area of the image, calculated the contour inside and outside the gray mean in the local area; 3) to calculate the local area of the pixel gray value and gray value and contour similarity according to the above results; 4) constructing energy function; 5) using graph cut optimization energy function, the outline of the update of the pixel label inside and outside, to drive the contour curve of local area to the target boundary. When contour curve reaches the target boundary, completing the image segmentation. The invention not only improves the precision of image segmentation, but also can segment many kinds of images and can be used for object recognition.

【技术实现步骤摘要】
基于中介真值程度度量的局部主动轮廓图像分割方法
本专利技术属于图像处理
，涉及主动轮廓图像分割方法，可用于在目标识别中对自然图像，人造图像，医学图像，紫外极光图像，多目标图像，灰度不均匀图像以及背景复杂图像的精确分割。
技术介绍
图像分割是图像处理中的一项关键技术，也是图像分析的第一步。因此，准确的图像分割在图像处理中有着很重要的作用。但由于图像分割是一项具有很高难度和深度的任务，迄今为止都没有一个适用于多种类型图像分割的方法。近几年，主动轮廓方法在图像分割中得到了广泛的应用，并且也取得了一定程度的效果。主动轮廓主要分为基于边缘的主动轮廓和基于区域的主动轮廓。基于边缘的主动轮廓方法由于其对噪声和初始轮廓的位置较敏感，且不适用于弱边界图像的分割，如测地线主动轮廓图像分割方法GAC，以及2005年Li提出的无需重新初始化的水平集图像分割方法LSWR。因此，近些年，基于区域的主动轮廓方法比较流行，如，Chan和Vese提出的CV模型；Gelas等人于2007年提出基于配置法的径向基函数水平集图像分割方法CSRBFs；Li等人于2008年提出基于区域可伸缩的能量最小化图像分割方法RSF，2010年又提出距离正则化的水平集图像分割方法DRLSE；Andersson等人于2013年提出改进的梯度搜索水平集图像分割方法MGSLS；这些方法虽然克服了基于边缘的主动轮廓方法的缺点，但由于这些方法都是用梯度下降流来最小化能量函数，容易陷入局部最小。所以有人将主动轮廓方法和图割模型结合，用图割模型来优化主动轮廓方法的能量函数，提出了基于图割优化的主动轮廓方法ACBGC，该方法可以找到能量函数的全局最小。但是该方法不能分割灰度不均匀的图像和对比度极低的紫外极光图像。为了克服以上提到的缺点，Yang等人于2015年提出了嵌入马尔可夫随机场的水平集图像分割方法MELS，该方法在参数最优的情况下可以得到较好的分割结果，但是寻找最优参数不仅耗时耗力，而且非常困难。因此，该方法不适用于大量图像的分割。
技术实现思路
本专利技术的目的在于针对上述现有技术的不足，提出基于中介真值程度度量的局部主动轮廓图像分割方法，以实现对大量图像的准确分割。本专利技术的技术思路是：通过给定初始轮廓，把图像轮廓曲线内的部分当作目标，把图像轮廓曲线外的部分当作背景；通过在图像的局部区域内用图割优化主动轮廓能量函数，驱动局部区域内轮廓曲线向目标边界演化；重复上述步骤，使图像上所有局部区域内轮廓曲线都向目标边界演化，完成图像分割。其实现步骤包括如下步骤：(1)在输入图像I上定义初始轮廓曲线C，并对图像上的所有像素进行标号，即把初始轮廓曲线内的像素标号为1，把初始轮廓曲线外的像素标号为0；(2)以轮廓曲线C上的第i个像素点为中心，r为边长做一个正方形，得到图像I的第i个局部区域Ii，其中r的值在5到40之间，i从1到k，k为轮廓曲线C的周长；(3)在步骤(2)中得到的局部区域Ii上分别计算轮廓曲线内像素的灰度均值和轮廓曲线外像素的灰度均值其中，Ii(p)为局部区域Ii上像素p的灰度值，lp为局部区域Ii上像素p的标号，取值为0或1；(4)分别计算Ii(p)与的相似度和与的相似度其中，d(*,*)代表两者之间的欧式距离；(5)分别计算Ii(p)与Ii(qn)的相似度h(Ii(p),Ii(qn))和Ii(p)与Ii(qn)的平均相似度其中，Ii(qn)是局部区域Ii上像素p的八个邻域像素qn的灰度值，n＝1,2,…,8；(6)分别计算局部区域Ii上像素q的灰度值Ii(q)与的相似度和(7)根据步骤(4)、步骤(5)和步骤(6)的结果，构建能量函数E：E＝E1+E2+E3+E4，其中，E1为能量函数的边界平滑项，E2为能量函数的内部能量项，E3为能量函数的外部能量项，E4为能量函数的噪声惩罚项；lq为局部区域Ii上像素q的标号，Ni是p的八邻域系统；(8)用图割方法对步骤(7)的能量函数进行优化，以驱动局部区域Ii内的轮廓曲线向前景的边界演化，当轮廓曲线演化到达前景的边界时，完成图像分割；本专利技术具有如下优点：1.本专利技术由于在主动轮廓方法的能量函数中引入噪声惩罚项，因此，对噪声更加鲁棒；2.本专利技术由于在主动轮廓方法的能量函数中引入新的边界平滑项，因此，可以得到更加平滑准确的边界；3.本专利技术由于引入了图像的局部信息和中介真值程度度量理论，因此适用于分割对比度较低的紫外极光图像、灰度不均匀图像以及背景复杂图像。4.本专利技术由于只有一个需要人工调节的局部区域的边长r参数，且该参数对结果的影响较小，因此适合对大量图像的的准确分割。附图说明图1是本专利技术的实现流程图；图2是用本专利技术对紫外极光图像进行分割的仿真结果图；图3是用本专利技术与现有方法对灰度不均匀图像进行分割的对比结果图；图4是用本专利技术与现有方法对背景复杂图像进行分割的对比结果图。具体实施方式以下结合附图对本专利技术的内容和效果进行进一步描述。参照图1，本实例的具体实现步骤如下：步骤1:在输入图像I上定义初始轮廓曲线C，并对图像上的所有像素进行标号。1a)在输入图像上定义初始轮廓曲线：若输入图像为紫外极光图像，则首先用阈值法得到初步分割结果，然后对初步分割结果的内外边界分别进行椭圆拟合，得到的椭圆环作为初始轮廓曲线；若输入图像为其他类型的图像，则用户自定义初始轮廓曲线。1b)对图像上的像素进行标号时，把输入图像看作一个矩阵，其中这个矩阵的行数就是图像的长，列数就是图像的宽，矩阵中的元素就是图像上对应位置的像素灰度值；再把矩阵中对应于图像轮廓曲线内像素的元素换成1，即把图像轮廓曲线内的像素标号为1，把矩阵中对应于图像轮廓曲线外像素的元素换成0，即把轮廓曲线外的像素标号为0。步骤2：在输入图像I上取局部区域Ii。以初始轮廓曲线上第i个像素点为中心，r为半径做一个正方形，其中r的大小根据图像灰度的不均匀性以及图像的背景复杂性选取，当图像灰度不太均匀，且背景也较复杂时，r的值应当选的小一些，当图像灰度比较均匀，背景也较单一时，r的值应当选的大一些，但r的值在5到40之间。步骤3：计算在局部区域Ii轮廓曲线内外的灰度均值。轮廓曲线将局部区域上的所有像素分成两部分，一部分是轮廓曲线内的像素，一部分是轮廓曲线外的像素，3a)计算轮廓曲线内像素的灰度均值:3b)计算轮廓曲线外像素的灰度均值：其中，Ii(p)为局部区域上像素p的灰度值，lp为像素p的标号。步骤4：计算局部区域上像素p的灰度值Ii(p)与轮廓曲线内外像素灰度均值的相似度。4a)计算Ii(p)与的相似度计算Ii(p)与的相似度可通过计算Ii(p)到某个具体数值的欧式距离和到某个具体数值的欧式距离之比来计算，灰度值Ii(p)的取值不同，得到的相似度不同，其公式如下：其中d(Ii(p),0)表示p的灰度值Ii(p)与数值0之间的欧氏距离，d(Ii(p),1)表示p的灰度值Ii(p)与数值1之间的欧氏距离，表示轮廓内灰度均值与数值0之间的欧氏距离，表示轮廓外灰度均值与数值1之间的欧氏距离；4b)计算Ii(p)与的相似度计算Ii(p)与的相似度可通过计算Ii(p)到某个具体数值的欧式距离和到某个具体数值的欧式距离之比来计算，灰度值Ii(p)的取值不同，得到的相似度不同，其公式如下：其中表示轮廓本文档来自技高网...

【技术保护点】
基于中介真值程度度量的局部主动轮廓图像分割方法，包括：(1)在输入图像I上定义初始轮廓曲线C，并对图像上的所有像素进行标号，即把初始轮廓曲线内的像素标号为1，把初始轮廓曲线外的像素标号为0；(2)以轮廓曲线C上的第i个像素点为中心，r为边长做一个正方形，得到图像I的第i个局部区域Ii，其中r的值在5到40之间，i从1到k，k为轮廓曲线C的周长；(3)在步骤(2)中得到的局部区域Ii上分别计算轮廓曲线内像素的灰度均值

【技术特征摘要】
1.基于中介真值程度度量的局部主动轮廓图像分割方法，包括：(1)在输入图像I上定义初始轮廓曲线C，并对图像上的所有像素进行标号，即把初始轮廓曲线内的像素标号为1，把初始轮廓曲线外的像素标号为0；(2)以轮廓曲线C上的第i个像素点为中心，r为边长做一个正方形，得到图像I的第i个局部区域Ii，其中r的值在5到40之间，i从1到k，k为轮廓曲线C的周长；(3)在步骤(2)中得到的局部区域Ii上分别计算轮廓曲线内像素的灰度均值和轮廓曲线外像素的灰度均值其中，Ii(p)为局部区域Ii上像素p的灰度值，lp为局部区域Ii上像素p的标号，取值为0或1；(4)分别计算Ii(p)与的相似度和与的相似度其中，d(*,*)代表两者之间的欧式距离；(5)分别计算Ii(p)与Ii(qn)的相似度h(Ii(p),Ii(qn))和Ii(p)与Ii(qn)的平均相似度其中，Ii(qn)是局部区域Ii上像素p的八个邻域像素qn的灰度值，n＝1,2,…,8；(6)分别计算局部区域Ii上像素q的灰度值Ii(q)与的相似度和(7)根据步骤(4)、步骤(5)和步骤(6)的结果，构建能量函数E：E＝E1+E2+E3+E4，其中，E1为能量函数的边界平滑项，E2为能量函数的内部能量项，E3为能量函数的外部能量项，E4为能量函数的噪声惩罚项；lq为局部区域Ii上像素q的标号，Ni是p的八邻域系统；(8)用图割方法对步骤(7)的能量函数进行优化，以驱动局部区域Ii内的轮廓曲线向前景的边界演化，当轮廓曲线演化到达前景的边界时，完成图像分割。2.根据权利要求1所述的方法，其中步骤(1)中在输入图像上定义初始轮廓曲线C，是根据输入图像类型进行：若输入图像为紫外极光图像，则首先用阈值法得到初步分割结果，然后对初步分割结果的内外边界分别进行椭圆拟合，得到的椭圆环作为初始轮廓曲线；若输入图像为其他类型的图像，则用户自定义初始轮廓曲线。3.根据权利要求1所述的方法，其中步骤(8)中用图割方法优化步骤(7)得到的能量函数，按如下步骤进行：(8a)将局部区域Ii映射为一个包含多个普通顶点、2个终端顶点、多条n-links边和多条t-links边组成的几何图：(8a1)将局部区域Ii中的每个像素都作为一个普通顶点，将局部区...

【专利技术属性】
技术研发人员：韩冰，张丽霞，连慧芳，高新波，吕涛，王平，严月，韩怡园，
申请(专利权)人：西安电子科技大学，江苏泽景汽车电子股份有限公司西安分公司，
类型：发明
国别省市：陕西,61