基于全局和局部符号能量型压力驱动的活动轮廓分割模型制造技术

一种基于全局和局部符号能量型压力驱动的新型活动轮廓分割模型，首先，通过设计基于全局能量压力作为图像全局特征提取的驱动力，能有效地分割灰度均匀图像。提出了基于局部能量压力作为图像局部特征提取的驱动力。在全局和局部压力传递函数中分别使用了全局图像信息和局部能量信息，使用全局和局部方差来自动平衡GSEPF和LSEPF的权重，解决了参数设置的问题。接着，在水平集函数迭代过程中，保持目标区域的平均灰度值大于（或小于）背景区域的平均灰度值，以提高对初始曲线的鲁棒性。增加了正则化项和惩罚项。本发明专利技术方法不仅提高了分割灰度不均匀图像和噪声分割效果，而且还使得分割结果与初始条件无关。

Active contour segmentation model based on global and local symbol energy driven pressure

【技术实现步骤摘要】
基于全局和局部符号能量型压力驱动的活动轮廓分割模型
本专利技术涉及机器视觉与图像处理
中图像分割方法，具体是一种基于全局和局部符号能量型压力驱动的活动轮廓分割模型(AnActiveContourModelGuidedbyGlobalandLocalSignedEnergy-basedPressureForce)。技术背景图像分割是计算机视觉领域既基础又具有挑战性的问题之一，其目的就是将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标。灰度不均匀(IntensityInhomogeneity)图像分割方法一直是图像处理领域研究的难点。基于局部区域性活动轮廓(LocalRegion-basedActiveContour)的图像分割模型，由于将图像的局部信息融合于图像能量泛函中，并利用梯度下降法求解能量泛函的极小值，已成为近年来灰度不均匀图像分割领域的研究热点。其中，基于局部Chan-Vese的可变尺度区域拟合(RegionScablableFitting，RSF)分割模型，通过利用局部空间变化权重的尺度参数获取局部图像信息，能处理本文档来自技高网...

【技术保护点】
1.一种基于全局和局部符号能量型压力驱动的活动轮廓分割模型，其特征在于：/n步骤1：输入分割图像，设置初始化参数：权重系数μ和ν，最大迭代次数，局部窗口大小k和均方差σ；/n步骤2：初始化水平集函数φ：/n

【技术特征摘要】
1.一种基于全局和局部符号能量型压力驱动的活动轮廓分割模型，其特征在于：
步骤1：输入分割图像，设置初始化参数：权重系数μ和ν，最大迭代次数，局部窗口大小k和均方差σ；
步骤2：初始化水平集函数φ：



其中x为图像域Ω中的像素点，Ωb为图像域Ω内闭合子集，ρ为正常数；
步骤3：计算全局数据项和局部数据项权重wg和wl，其表达式如下：



其中，σg和σl分别表示输入图像的全局和局部区域方差，其定义如下：



其中，I(x)表示图像域，mg表示整个图像的灰度均值；Ωx表示以像素点x为中心，r为半径的局部图像区域，Nl表示Ωx内的像素个数，ml表示Ωx内的灰度均值；
步骤4：计算全局和局部灰度均值：
4.1)计算全局灰度均值c1和c2，其表达式如下：



其中，φ(x)为水平集函数，c1和c2分别表示演化曲线内部和外部图像区域...

【专利技术属性】
技术研发人员：刘花香，方江雄，蔺永诚，刘军，王晓亮，孙琳，
申请(专利权)人：东华理工大学，
类型：发明
国别省市：江西;36