一种局部交叉熵度量模糊C均值的水平集图像分割算法制造技术

本发明专利技术提供了一种局部交叉熵度量模糊C均值的水平集图像分割算法，属于图像处理领域。本局部交叉熵度量模糊C均值的水平集图像分割算法，包括以下步骤：S1：输入原图像

A level set image segmentation algorithm based on local cross entropy and fuzzy C mean

The present invention provides a level set image segmentation algorithm based on local cross entropy to measure fuzzy C mean, and belongs to the field of image processing. This local cross entropy measurement of fuzzy C mean level set image segmentation algorithm, including the following steps: S1: input the original image

【技术实现步骤摘要】
一种局部交叉熵度量模糊C均值的水平集图像分割算法
本专利技术属于图像处理领域，涉及一种局部交叉熵度量模糊C均值的水平集图像分割算法。
技术介绍
图像分割是计算机视觉、目标跟踪、以及医疗成像的基本课题，也是一项复杂的任务，在整个图像处理过程中占有非常重要的地位。由于噪声、低对比度、灰度不均匀等现象的出现，给图像分割带来了很大的挑战，尤其在医学领域，其分割的难度更大。传统的FCM算法以平方误差和为聚类准则，利用迭代法来优化目标函数，从而使数据集合的最优聚类得以完成。正是由于聚类方法中成功地引入了模糊理论，使得FCM算法保留了更多的原始图像信息，因此成为目前图像处理领域中应用较为广泛的分割方法之一。FCM算法的优势在于其无监督性、高效性及自适应性，该方法虽然简单、快速，但缺乏本质上的平滑约束，而且对于先验知识(形状、纹理等)没有进行考虑，也未能取得光滑的分割边界和封闭的分割区间。最近几年，基于水平集的几何活动轮廓模型在图像分割领域得到了广泛使用，其基本思想是：对于图像域内的一个初始闭合曲线及其能量方程，通过能量函数的极小化过程，使得演化曲线向着图像中的目标边缘逼近，从而获得图像的分割结果。本文档来自技高网...

【技术保护点】
一种局部交叉熵度量模糊C均值的水平集图像分割算法，其特征在于，包括以下步骤：S1：输入原图像

【技术特征摘要】
1.一种局部交叉熵度量模糊C均值的水平集图像分割算法，其特征在于，包括以下步骤：S1：输入原图像并计算它滤波后的图像S2：初始化水平集函数φ＝φ0(x)，它的SDF定义如下：S3：初始化权值系数和参数μ、α、ν、ε、σ、Δt；S4：更新权值系数和S5：更新水平集函数φ；S6：判断水平集演化曲线是否满足收敛准则，若没有，转到步S4继续计算，直到满足终止条件。2.根据权利要求1所述的局部交叉熵度量模糊C均值的水平集图像分割算法，其特征在于，所述的S5进一步包括以下子步骤：S5.1：用交叉熵准则来重新构造FCM_S算法的目标函数公式中，k为聚类的数目，N为像素点的个数，xi为第i个像素点的灰度值，xi是以j为中心的邻域像素灰度值，vc为第c个聚类中心，uic表示第i个像素点属于第c类的隶属度，g(s)＝exp(-s2/2ρ2)是大小为ρ的高斯核函数；S5.2：引入高斯核函数来获取图像的局部信息，具体如下：公式中，Kσ(j,i)为标准差为σ的高斯核函数：S5.3：采用水平集方法来求解能量函数，则能量泛函的水平集方程表示如下：公式中，M1(φi)＝Hε(φi)，M2(φi)＝1-Hε(φi)，Heaviside函数H(z)用Hε(z)来替代：公式中，ε是一个大于零的参数，对Hε(z)求导：S5.4：在目标函数中引入长度项和惩罚项，能量泛函可以表示为：

【专利技术属性】
技术研发人员：江晓亮，林欢，冯凯萍，丁小康，王桢，
申请(专利权)人：衢州学院，
类型：发明
国别省市：浙江,33