基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法技术

本发明专利技术提供了一种基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法，属于图像处理技术领域。本基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法包括如下步骤：S1：输入原始图像I(x)；S2：计算图像的局部熵，进而得到图像的局部符号差能量项；S3：初始化水平集函数φ＝φ0(x)；S4：初始化系数α、β、λ1、λ2、μ、ν、ε、σ、Δt；S5：计算局部拟合能量项e1、e2；S6：更新水平集函数φ；S7：判断水平集演化曲线是否满足收敛准则，若没有，转到步骤S5继续计算，直到满足终止条件。本发明专利技术可以实现灰度不均匀目标的分割，对初始轮廓曲线的形状、大小、位置更不敏感，且具有一定的抗噪性。

Active contour model segmentation based on local Gauss distribution fitting and local symbol difference energy

The present invention provides an active contour model image segmentation method based on local Gauss distribution fitting and local symbol difference energy, belonging to the field of image processing technology. The local Gauss distribution fitting and local symbol image of active contour model energy driven segmentation method comprises the following steps: S1: input the original image based on I (x); S2: local image entropy calculation, and then obtain the local symbol image difference energy; S3: initialize the level set function phi = Phi 0 (x); S4: initialize the coefficient alpha and beta, lambda 1, lambda 2, mu, V, epsilon, sigma delta T, S5; E1: to calculate the local fitting energy, E2; S6: update the level set function; S7: determine the level set evolution curve meets the convergence criteria, if not, go to step S5 to calculate, until a termination condition is satisfied. The invention can realize the segmentation of the uneven gray target, which is less sensitive to the shape, size and position of the initial contour curve, and has a certain noise immunity.

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种活动轮廓模型图像分割方法，特别是一种基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法。
技术介绍
随着计算机科学技术的迅速发展，图像分割作为图像处理和计算机视觉、目标跟踪、以及医疗成像等领域的一项基础性课题，有着很高的应用和研究价值。在过去的几十年里，研究人员已经做出很大的努力来解决图像的分割问题，并提出了很多分割算法，其中活动轮廓模型已经成为目前该领域中较为活跃的方法之一。用曲线演化理论和水平集方法表达的活动轮廓模型，通常可分为两种类型：基于边缘的模型和基于区域的模型。基于边缘的模型利用图像的梯度特性来构造边缘指示函数，使得演化曲线不断地向着目标的边界运动，对于梯度变化比较明显的图像有较好的分割效果。然而，对于某些包含大量噪声的目标图像往往会造成分割结果的不理想。相反，基于区域的模型被不断地开发并应用到图像分割领域，通过使用全局或局部图像信息来引导水平集演化，使得模型在应对弱边缘与不连续边界等问题时，具有更好的通用性。其中，Chan和Vese提出的C-V模型最具有代表性，通过假定带分割图像在同质区域内灰度的分布是均匀的，该本文档来自技高网...

【技术保护点】
一种基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法，其特征在于，该方法包括如下步骤：S1：输入原始图像I(x)；S2：计算图像的局部熵，进而得到图像的局部符号差能量项；S3：初始化水平集函数φ＝φ0(x)，它的符号距离函数定义如下：φ0(x)=-c0x∈outside(C)0x∈Cc0x∈inside C;]]>S4：初始化系数α、β、λ1、λ2、μ、ν、ε、σ、Δt；S5：计算局部拟合能量项e1、e2；S6：更新水平集函数φ；S7：判断水平集演化曲线是否满足收敛准则，若没有，转到步骤S5继续计算，直到满足终止条件。

【技术特征摘要】
1.一种基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法，其特征在于，该方法包括如下步骤：S1：输入原始图像I(x)；S2：计算图像的局部熵，进而得到图像的局部符号差能量项；S3：初始化水平集函数φ＝φ0(x)，它的符号距离函数定义如下：φ0(x)=-c0x∈outside(C)0x∈Cc0x∈insideC;]]>S4：初始化系数α、β、λ1、λ2、μ、ν、ε、σ、Δt；S5：计算局部拟合能量项e1、e2；S6：更新水平集函数φ；S7：判断水平集演化曲线是否满足收敛准则，若没有，转到步骤S5继续计算，直到满足终止条件。2.根据权利要求1所述的基于局部高斯分布拟合与局部符号差能量驱动的活动轮廓模型图像分割方法，其特征在于，在步骤S2中，图像局部熵的表达式为：E(x,Ωx)=-1log|Ωx|∫&Omega...

【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