基于区域灰度异质能量的图像分割方法技术

本发明专利技术公开了一种基于区域灰度异质能量的图像分割方法，包括以下步骤：S10、输入原始图像，得到其灰度图像的像素点个数和灰度值；S20、基于灰度图像的像素点个数和灰度值，计算图像的灰度异质指标和灰度异质因子，得到与初始图像对应的灰度异质因子图像；S30、构建基于区域灰度异质能量的活动轮廓模型，所述模型的总能量泛函包括区域灰度异质能量泛函项、边缘能量项和局部区域拟合项；S40、求解总能量泛函，得到图像的分割结果。本发明专利技术的能量泛函既使用了原始图像的灰度信息，又融合了区域灰度异质信息。两者结合，相互平衡，能够有效地分割灰度极其不均匀的图像。实验表明，本方法在分割两类特定图像时，分割结果优于仅基于图像灰度信息的分割结果。

【技术实现步骤摘要】
基于区域灰度异质能量的图像分割方法
本专利技术涉及图像处理
，具体涉及一种图像分割方法。
技术介绍
图像分割是图像处理和计算机视觉领域中的一项基本而重要的任务，分割结果将直接影响后续处理步骤的性能。图像的灰度不均匀一直是图像分割的一个难题。最近几十年来，活动轮廓模型(activecontourmodel)逐渐成为图像分割领域应用最广泛的方法之一，它可以分为两类：基于边界和基于区域的方法。但是，现有的活动轮廓模型在很多时候无法得到理想的分割结果。基于边界的活动轮廓模型由于能量泛函中利用了图像梯度的信息，使得这类模型对于图像中的边缘信息敏感。因此在分割带有丰富边缘信息的图像，如自然图像中的老虎、豹子以及医学图像中具有钙化、坏死的病灶等的表现无法令人满意。基于区域的活动轮廓模型(如C-V[1]，RSF[2])能够在某种程度上解决基于边界的活动轮廓模型对边缘信息敏感的缺点。这类模型不考虑图像的边缘信息，有时能够分割出带有弱边界的图像目标。但是这类模型通常要求图像的目标与背景尽可能为同质的。Li等人[2]的RSF模型，通过引入高斯核函数来利用像素点间空间信息，极小化基于局部灰度信息的能量本文档来自技高网...

【技术保护点】
1.一种基于区域灰度异质能量的图像分割方法，其特征在于，所述方法包括以下步骤：S10、输入原始图像，得到其灰度图像的像素点个数和灰度值；S20、基于灰度图像的像素点个数和灰度值，计算图像的灰度异质指标d和灰度异质因子F(x)，得到与初始图像对应的灰度异质因子图像；S30、构建基于区域灰度异质能量的活动轮廓模型，所述模型的总能量泛函包括区域灰度异质能量泛函项、边缘能量项和局部区域拟合项；S40、求解总能量泛函，得到图像的分割结果。

【技术特征摘要】
1.一种基于区域灰度异质能量的图像分割方法，其特征在于，所述方法包括以下步骤：S10、输入原始图像，得到其灰度图像的像素点个数和灰度值；S20、基于灰度图像的像素点个数和灰度值，计算图像的灰度异质指标d和灰度异质因子F(x)，得到与初始图像对应的灰度异质因子图像；S30、构建基于区域灰度异质能量的活动轮廓模型，所述模型的总能量泛函包括区域灰度异质能量泛函项、边缘能量项和局部区域拟合项；S40、求解总能量泛函，得到图像的分割结果。2.根据权利要求1所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述步骤S10中，原始图像包括彩色图像和灰度图像，当原始图像为彩色图像时，使用MATLAB自带程序rgb2gray将其变换成灰度图像。3.根据权利要求1所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述步骤S20中，所述灰度异质指标d的计算公式为：其中，Ω表示图像中像素点集合，|Ω|为图像中像素点的个数，mean(I(Nk(x)))为邻域Nk(x)中像素的灰度均值，Nk(x)＝{y∈Ω:|xh-yh≤k,|xv-yv|≤k}，k表示邻域大小，I(x)表示任意像素点x＝(xh,xv)的灰度值；所述区域灰度异质因子F(x)的计算公式如下：其中，4.根据权利要求3所述的基于区域灰度异质能量的图像分割方法，其特征在于，所述步骤S30中，所述总能量泛函的形式如下：E＝λ1Erh+λ2Elocal+λ3Eedge+νLength(C)其中，Erh为区域灰度异质能量，Eloca...

【专利技术属性】
技术研发人员：杨孝平，李旭，刘海蓉，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32