The present invention discloses a local segmentation method of geometric active contour model based on narrow band constraints, which belongs to the field of image processing, including the following steps: using particle swarm optimization and morphological expansion to construct narrow band range; constructing the energy function that combines the global energy term and the local energy term by the adaptive coefficient; The flat set method is used to solve the problem. The optimization Bureau partly cuts the calculation area, realizes the adaptive coefficient of the global energy term and local energy item, thus improves the efficiency and accuracy of the local segmentation of the uneven gray image, and solves the problem of the narrow band control instability and the insufficient curve evolution precision in the local segmentation of the gray uneven image. The energy function model fitted by global energy terms and local energy terms can not be quickly and accurately segmented.
【技术实现步骤摘要】
一种基于窄带约束的几何活动轮廓模型图像局部分割方法
本专利技术属于图像处理领域,具体涉及基于主动轮廓模型和水平集的图像分割方法。
技术介绍
图像分割是将一幅图像分成具有不同性质和特征区域的图像处理方法,被广泛应用于医学图像处理,遥感图像处理等方面。针对各种应用需求,研究人员提出了许多图像分割方法。其中,主动轮廓模型(ActiveContourModel,ACM)以其强大的数学理论基础和基于水平集函数(LevelSetFunction,LSF)的高效数值方案吸进了众多学者。主动轮廓模型主要分为两类:基于边缘信息的主动轮廓模型和基于区域信息的主动轮廓模型。基于边缘信息的主动轮廓模型用图像梯度作为曲线进化的终止项,虽能实现局部分割,但对噪声敏感,对边缘较弱图像的分割能力较差;基于区域信息的主动轮廓模型用全局统计信息作为曲线进化的终止项,对噪声、弱边缘等问题比基于边缘信息的主动轮廓模型具有较强的鲁棒性,但其模型是一种全局分割模型,会将图像中具有相近亮度的区域都分割出来,无法实现只针对局部的分割。在实际应用中,人们通常需要只对感兴趣的目标区域进行分割,当前大多数基于区域信息的主动轮廓模型都是全局分割模型,而且不论初始轮廓置于图像中的什么位置,基于区域信息的主动轮廓模型都能将图像中所有目标分割出来。一种比较常用的局部分割方法是将演化曲线限制在一条窄带内,例如利用狄拉克利函数将演化曲线限制在零水平集附近的窄带内,该方法对灰度不均匀性有一定的鲁棒性,但是对初始轮廓敏感,且由于在水平集演化过程中随着符号距离函数的重新初始化带来的误差也将越来越大,导致窄带不稳定,使窄带变得难 ...
【技术保护点】
一种基于窄带约束的几何活动轮廓模型图像局部分割方法,其特征在于包括以下步骤:步骤1:读入目标图像I,对图像进行去噪处理;步骤2:根据基于粒子群阈值分割方法得到粗分割结果;步骤3:计算粗分割结果目标轮廓线上每点的局部邻域的内外灰度均值差的绝对值,根据绝对值的大小设置每点的形态学算子半径;步骤4:根据步骤3中设定的形态学算子半径对粗分割结果进行形态学膨胀运算,最终得到的区域就是曲线演化计算区域;步骤5:在步骤4中得到的演化区域内设置初始轮廓;步骤6:以演化曲线上各点局部邻域内部灰度均值与演化曲线内部整体灰度均值的差的平方的均值作为权重系数将全局能量项和局部能量项结合起来,构建主动轮廓模型的能量泛函;步骤7:根据变分法求得能量泛函的梯度下降流;步骤8:根据步骤7中得到的偏微分方程对曲线进行演化,判断算法是否收敛,若收敛或达到最大迭代次数则停止演化,显示最终的分割结果。
【技术特征摘要】
1.一种基于窄带约束的几何活动轮廓模型图像局部分割方法,其特征在于包括以下步骤:步骤1:读入目标图像I,对图像进行去噪处理;步骤2:根据基于粒子群阈值分割方法得到粗分割结果;步骤3:计算粗分割结果目标轮廓线上每点的局部邻域的内外灰度均值差的绝对值,根据绝对值的大小设置每点的形态学算子半径;步骤4:根据步骤3中设定的形态学算子半径对粗分割结果进行形态学膨胀运算,最终得到的区域就是曲线演化计算区域;步骤5:在步骤4中得到的演化区域内设置初始轮廓;步骤6:以演化曲线上各点局部邻域内部灰度均值与演化曲线内部整体灰度均值的差的平方的均值作为权重系数将全局能量项和局部能量项结合起来,构建主动轮廓模型的能量泛函;步骤7:根据变分法求得能量泛函的梯度下降流;步骤8:根据步骤7中得到的偏微分方程对曲线进行演化,判断算法是否收敛,若收敛或达到最大迭代次数则停止演化,显示最终的分割结果。2.根据权利要求1所述的基于窄带约束的几何活动轮廓模型图像局部分割方法,其特征在于所述步骤2主要包括:(1)在图像I的灰度空间内随机生成20个粒子,设置初始参数;(2)将由最大二维熵阈值分割原理得到的图像总熵作为粒子的属性值,根据属性值来判断粒子作为解的优劣程度,用图像总熵作为属性值则属性值越大说明该粒子越优,根据以上内容计算初始粒子的相应属性值;(3)将每个粒子的属性值与其经历过的所有位置的属性值进行比较,若较优,则设置当前粒子的位置为个体最优位置;(4)将每个粒子的属性值与目前整个粒子群所经历的所有位置的属性值进行比较,若较优,则设置当前粒子位置为全局最优位置;(5)根据粒子群算法中的速度和位置更新公式,对每个粒子的速度和位置进行更新;(6)判断该算法是否收敛或者已经达到最大迭代次数,若是,则得到图像分割阈值,并根据阈值数值得到图像的粗分割结果;否则,转向(2)中进行下一轮迭代运算。3.根据权利要求1所述的基于窄带约束的几何活动轮廓模型图像局部分割方法,其特征在于所述步骤6中主动轮廓模型的能量泛函为:E=(1-ω)ECV+ωELGDF+EP(1)
【专利技术属性】
技术研发人员:董恩清,刘肖,孙文燕,薛鹏,纪慧中,熊文硕,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。