基于局部校正函数的变分水平集模型图像精准分割方法技术

本申请公开了一种基于局部校正函数的变分水平集模型图像精准分割方法，属于图像分割这一技术领域，其设计要点在于：本申请的总体构思是：采用几何轮廓模型，通过梯度下降法求解能量泛函最小化的位置，即封闭连续的轮廓线的位置。通过设计局部预拟合函数去在迭代前计算图像局部区域的平均强度，因此计算速度大幅度提升，计算成本大幅度下降；本申请通过设计一个新的正则化函数去正则化数据驱动项，从而提高系统的鲁棒性和抗噪声干扰性，以及提高数据驱动项过零点处的灵敏度。据驱动项过零点处的灵敏度。据驱动项过零点处的灵敏度。

【技术实现步骤摘要】
基于局部校正函数的变分水平集模型图像精准分割方法


[0001]本申请涉及图像解析这一领域，更具体地说，尤其涉及一种基于局部校正函数的变分水平集模型图像精准分割方法。

技术介绍

[0002]图像处理技术广泛应用于人工智能、计算机视觉、医学临床诊断等诸多领域。由于图像的丰富性，至今没有一种通用的图像分割技术。几何化主动轮廓模型由于水平集方法的引入则它的发展被大大地推动了。该方法在结合了图像信息的能量泛函的驱动下，使轮廓线不断变形，逐步抵达目标区域的边界。
[0003]几何化主动轮廓模型由于水平集方法的引入则它的发展被大大地推动了。
[0004]该方法在结合了图像信息的能量泛函的驱动下，使轮廓线不断变形，逐步抵达目标区域的边界。目前，发展为边缘型，区域型,偏场矫正型，区域与边缘型等水平集模型。
[0005]边缘型是利用图像的梯度或二阶微分信息驱动轮廓线到达目标边缘，缺点是对弱边缘及非均匀性图像的分割精度低。
[0006]区域型是采用拟合代表轮廓线内外区域灰度强度值或函数的方法，构建一个衡量图像与拟合值或函数差异性的能量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于局部校正函数的变分水平集模型图像精准分割方法，其特征在于，采用几何轮廓模型，通过梯度下降法求解能量泛函最小化的位置，即封闭连续的轮廓线的位置，进而实现图像精准分割。2.基于局部校正函数的变分水平集模型图像精准分割方法，其特征在于，包括以下步骤：S100，对于图片I，设置以下参数：N，ι,α,r，Δt，σ，ε；N表示最大迭代数；ι是目标对象系数，图像目标对象为亮色或暗色时取值不同，分割的目标对象为亮色时，ι＝
‑
1；反之，为ι＝1；α是一个系数，用来控制模型的迭代速度；r是一个常数，表示图像域子集的范围半径；σ是高斯函数中的标准偏差；Δt为参数；ε为迭代阈值；S200，初始化水平集函数φ(x,t＝0)。3.根据权利要求2所述的基于局部校正函数的变分水平集模型图像精准分割方法，其特征在于，S200，初始化水平集函数φ(x,t＝0)：其中,Ω0是图像域Ω的子集，是Ω0的边界；c0＝0.5；x表示：图像域的任意一点；t表示：时间域上的变化。4.根据权利要求2所述的基于局部校正函数的变分水平集模型图像精准分割方法，其特征在于：还包括：S300，其包括S301～S305；S301，计算c1,c2::其中，K是K(y
‑
x)的简称，表示圆形邻域的核函数，此处为一个高斯截断函数，定义为：*表示卷积操作，1
k
＝∫K(y
‑
x)dy；φ表示水平集函数；
然后执行步骤S302；S302，计算e1,e2：其中，|I(x)
‑
c1(x)|、|I(x)
‑
c2(x)|分别表示图像点与二个拟合函数之间的校正距离；c1(x)拟合O
x
域中的目标对象像素；c2(x)拟合O
x
域中的背景对象像素；然后执行步骤S303；S303，计算S303，计算然后执行步骤S304
‑
1；S304
‑
1，i初始赋值为1，φ1赋值为φ(x,t＝0)，然后执行步骤S304
‑
2；S304
‑
2，计算下式：然后执行步骤S304
‑
3；φ
i
、φ
i+1
为中间参数；S304
‑
3，判断是否结束循环：若|φ
i+1
‑
...

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