基于局部预分段拟合偏场校正的主动轮廓模型识别方法技术

本申请公开了一种基于局部预分段拟合偏场校正的主动轮廓模型识别方法，属于计算机图像分割技术领域，其特征在于，包括以下步骤：首先，定义局部区域的预拟合函数；然后，提出了一种基于偏场理论的局部预分段拟合的能量函数，并推导出全局的能量函数，给出偏场估计值的最优解：在能量最小化的计算过程中，采用了新的变分水平集公式与梯度流公式来限制了数据驱动项的范围，并改善了曲线斜率，利用优化后的距离规则项和邻域平均值滤波方法分别对水平集函数进行正则化和曲线光滑化。采用本申请的方法，可以减少了计算量，提高模型对参数的鲁棒性。棒性。棒性。

【技术实现步骤摘要】
segmentation.Expert Systems With Applications 185(2021)115633)，提出了一种加性偏场矫正模型,系统鲁棒性较强，运行开销少且分割精度高，部分解决了BC模型中弱边界及光照不均的问题。
[0011]基于上述文献可知，基于边缘的模型无法有效地分割边缘较弱的图像，且对噪声十分敏感。而基于区域的主动轮廓模型通常使用特定的区域描述子将图像按照相似性准则划分成不同的区域，由于此类模型跟梯度信息无关，因此对噪声不敏感，可以有效分割边界较弱的图像。

技术实现思路

[0012]本专利技术的目的在于克服现有技术的不足，提供一种基于局部预分段拟合偏场校正的主动轮廓模型识别方法。
[0013]本专利技术的技术方案是：
[0014]一种基于局部预分段拟合偏场校正的主动轮廓模型识别方法，包括以下步骤：
[0015]首先，定义局部区域的预拟合函数；
[0016]然后，提出了一种基于偏场理论的局部预分段拟合的能量函数，并推导出全局的能量函数，给出偏场估计值的最优解：在能量最小化的计算过程中，采用了新的变分水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部预分段拟合偏场校正的主动轮廓模型识别方法，其特征在于，包括以下步骤：首先，定义局部区域的预拟合函数；然后，提出了一种基于偏场理论的局部预分段拟合的能量函数，并推导出全局的能量函数，给出偏场估计值的最优解：在能量最小化的计算过程中，采用了新的变分水平集公式与梯度流公式来限制了数据驱动项的范围，并改善了曲线斜率，利用优化后的距离规则项和邻域平均值滤波方法分别对水平集函数进行正则化和曲线光滑化。2.一种基于局部预分段拟合偏场校正的主动轮廓模型识别方法，其特征在于：S100,输入图像I；S200，输入以下参数：最大迭代数M、标准偏差σ、窗口大小w、加权指数α、平均值滤波器的窗口参数k、系数Δt＝1、系数η＝7；S300，基于S200输入的参数，输出结果。3.根据权利要求2所述的一种基于局部预分段拟合偏场校正的主动轮廓模型识别方法，其特征在于：S300包括：S301,初始化水平集函数φ：φ(x,t＝0)其中,c0＞0，其是常数；Ω0是图像域Ω的子集；是Ω0的边界；x表示：图像域Ω上的某一点；t表示时间域；S302,根据窗口大小w,计算4.根据权利要求3所述的一种基于局部预分段拟合偏场校正的主动轮廓模型识别方法，其特征在于：S302,的计算方法，采用下述步骤：S3021,定义局部区域的平均值f
m
，最大值f
max
及最小值f
min
函数：f
m
(x)＝mean(I(y)|y∈Ω
x
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)f
max
(x)＝max(I(y)|y∈Ω
x
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)f
min
(x)＝min(I(y)|y∈Ω
x
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)S3022，定义代表局部区域轮廓线外c
s
、内c
l
的拟合函数：的拟合函数：其中，I(y)是图像上点y的灰度值；Ω
x
表示一个在图像域Ω内以x为中心的小区域,其大小为(2w+1)
×
(2w+1)。5.根据权利要求4所述的一种基于局部预分段拟合偏场校正的主动轮廓模型识别方
法，其特征在于：还包括，...

【专利技术属性】
技术研发人员：王桂娜，程传鑫，陈逸阳，翁桂荣，
申请(专利权)人：苏州大学，
类型：发明
国别省市：