A fuzzy regional active contour segmentation model based on global and local fitting energy mainly includes the definition of Pseudo-Level set function, the introduction of global and local fuzzy fitting image, the construction of fitting energy based on L1 norm and the solution process of updating Pseudo-Level set function based on the change value of energy function. On the basis of introducing global and local fuzzy fitting images, the energy of fuzzy fitting based on L1 norm is constructed, the convex function of global data items and fuzzy fitting items is constructed, and the Pseudo-Level set function is updated by directly calculating the change value of energy, which not only ensures that the segmentation result is independent of the initial conditions, but also improves the efficiency of segmentation model for non-uniform images. Results and computational efficiency.
【技术实现步骤摘要】
基于全局与局部拟合能量的模糊区域型活动轮廓分割模型
本专利技术涉及的是一种图像处理领域中的图像分割方法,具体是一种基于全局与局部拟合能量的模糊区域型活动轮廓(FuzzyRegion-basedActiveContourwithLocalandGlobalFittingEnergy)分割模型。技术背景图像分割是图像处理和机器视觉领域中研究热点之一,其目标是提取图像中的具有相同灰度特性的目标。主动轮廓模型(ActiveContourModel),已成为近年来图像分割领域的研究热点,其优点在于能将模型的初始估计状态和图像数据先验知识统一于特征提取过程中,并能利用分割过程中获得的先验知识来指导分割。经典的区域型Chan-Vese模型(ChanC.F.andVeseL.“Activecontourswithoutedges”(无边缘的活动轮廓),IEEETransitiononImageProcessing(2001)10(1):266-277)已广泛应用于图像分割领域。但是,该模型在曲线演化过程中周期性初始化水平集函数增加了计算量,且其非凸能量泛函使得分割结果依赖于初始条件。基于模糊区域型的主动轮廓模型(FuzzyEnergy-basedActiveContour),通过将模糊集引入到区域型能量主动轮廓中,采用快速优化算法直接最小化模糊能量函数,能有限次迭代过程中达到收敛,并避免重新初始化过程。因此,基于模糊区域型能量的活动轮廓模型已成为基于活动轮廓分割模型的研究热点之一。经对现有技术文献的检索发现,基于区域尺度化拟合模型(LiC.M.,KaoC.Y.,Gor ...
【技术保护点】
1.一种基于全局与局部拟合能量的模糊区域型活动轮廓分割模型,其特征在于:该模型能量泛函由全局数据项和模糊拟合项构成,全局数据项EG定义如下:EG(u,g)=λ1∫Ω[u(x)]mg(I(x)‑c1)2dx+λ2∫Ω[1‑u(x)]mg(I(x)‑c2)2dx其中,λ1和λ2是大于0的权重系数,c1和c2是图像像素均值,u(x)是模糊成员函数,m是权重幂指数,I(x)是输入图像,g是边缘检测算子,其算子定义如下:
【技术特征摘要】
1.一种基于全局与局部拟合能量的模糊区域型活动轮廓分割模型,其特征在于:该模型能量泛函由全局数据项和模糊拟合项构成,全局数据项EG定义如下:EG(u,g)=λ1∫Ω[u(x)]mg(I(x)-c1)2dx+λ2∫Ω[1-u(x)]mg(I(x)-c2)2dx其中,λ1和λ2是大于0的权重系数,c1和c2是图像像素均值,u(x)是模糊成员函数,m是权重幂指数,I(x)是输入图像,g是边缘检测算子,其算子定义如下:其中,为输入图像I(x)的输入算子,Gσ是标准方差为σ的高斯核函数;在模糊拟合项中,首先构建局部模糊拟合图像和全局模糊拟合图像,全局模糊拟合图像(GFFI)定义如下:IGFFI(x)=[u(x)]mc1+[1-u(x)]mc2其中,x为像素点,I(x)为图像域,c1和c2为两个全局区域的灰度均值,其表达式如下:u(x)∈[0,1]为伪水平集函数,又称隶属度函数,其定义:其中C为图像域Ω内闭合曲线。局部模糊拟合图像(LFFI)定义如下:ILFFI(x)=[u(x)]mf1+[1-u(x)]mf2其中,f1和f2为局部区域像素平均灰度值;图像中任一像素x的局部区域平均灰度值,是指以该像素为中心的矩形区域(2k+1)×(2k+1),k为正整数,内的两区域(目标和背景)的灰度均值。假设y是独立于x的局部图像域Ωx的像素点,其函数f1和f2定义如下:其中,ωk(x)是标准方差为σ的高斯函数;基于局部模糊拟合图像和全局模糊拟合图像,模糊拟合项EF(u,g)定义如下:EF(u,g)=α1∫Ωg|I(x)-ILFFI(x)|dx+α2∫Ωg|I(x)-IGFFI(x)|dx其中,α1和α2是大于...
【专利技术属性】
技术研发人员:方江雄,柳和生,刘花香,顾华奇,刘军,
申请(专利权)人:东华理工大学,
类型:发明
国别省市:江西,36
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。