图像分割方法、电子设备及计算机可读存储介质技术

本发明专利技术公开了一种图像分割方法、电子设备及计算机可读存储介质。其方法包括：S1、在目标图像中设置初始轮廓线，并用初始水平集函数来表示所述初始轮廓线；S2、对所述初始水平集函数进行更新迭代；S3、将最后一次迭代得到的水平集函数作为目标图像的分割曲线。本发明专利技术的图像分割方法通过均值滤波器来代替传统主动轮廓模型中的长度项，用于平滑分割曲线；通过激活函数来代替传统主动轮廓模型中的距离规则项，用于使水平集函数在迭代的过程中始终保持轮廓线上和轮廓线内部值为负，而轮廓线外部值为正的规则。本发明专利技术的图像分割方法对灰度不均匀的图像具有理想的分割效果，并且在分割速度和分割精确度上均具有优势。和分割精确度上均具有优势。和分割精确度上均具有优势。

【技术实现步骤摘要】
图像分割方法、电子设备及计算机可读存储介质


[0001]本专利技术涉及图像处理
，尤其是指一种图像分割方法、电子设备及计算机可读存储介质。

技术介绍

[0002]图像分割是图像处理领域中的重要研究课题，它将图像划分成若干个互不重叠的区域，并从中提取感兴趣的目标（如前景、背景），为后续的图像目标识别与特征分析打下了基础。
[0003]主动轮廓模型是近几十年来最具代表性的图像分割方法，也是目前图像分割方法的研究热点。主动轮廓模型的基本思想是在图像上设置一个初始轮廓线，用基于水平集方法的能量函数驱动轮廓线演化，使其逼近目标边界，实现目标分割。该类算法可以获得目标边界亚像素级别的精确度，提供光滑的封闭轮廓作为分割结果。
[0004]目前主流的主动轮廓模型主要存在以下技术问题：对局部区域灰度不均分割效果不佳，无法分辨出图像中的一些虚假的目标。因此，目前亟需一种新的图像分割方法来解决上述问题。

技术实现思路

[0005]为此，本专利技术所要解决的技术问题在于提供一种可有效分割灰度不均匀图像，且分割精度高的图像分割方法。
[0006]为解决上述技术问题，本专利技术提供了一种图像分割方法，其包括以下步骤：S1、在目标图像中设置初始轮廓线，并用初始水平集函数来表示所述初始轮廓线；S2、对所述初始水平集函数进行更新迭代；第n次迭代时的水平集函数为：，其中，为窗口大小为的均值滤波器；softsign为softsign激活函数；为常数；为第n次迭代时的水平集函数；x为目标图像中的矢量像素点；为第n
‑
1次迭代时的水平集函数；为第n
‑
1次迭代时的梯度下降方程；为时间步长；S3、将最后一次迭代得到的水平集函数作为目标图像的分割曲线。
[0007]在本专利技术的一个实施例中，第n
‑
1次迭代时的梯度下降方程为：，其中，为常数；为目标图像灰度的标准差；函数是函数的导函
数，；为数据驱动项，y为目标图像中的矢量像素点，为以y为中心点、边长为的正方形邻域，为高斯核函数，为高斯核函数的标准差，为使得的归一化常数；为目标图像的真实灰度值；为通过计算拟合的图像阴影值，为窗口大小为的均值滤波器，为常数，为卷积运算；为第n
‑
1次迭代时的边缘反射结构信息值；当i=1时，为区域里的边缘反射结构信息值，；当i=2时，为区域里的边缘反射结构信息值，；为轮廓线的外部区域，为轮廓线及轮廓线的内部区域。
[0008]在本专利技术的一个实施例中，目标图像灰度的标准差为：，其中，为目标图像的图像域；为目标图像内像素点的总数；为目标图像的平均灰度值。
[0009]在本专利技术的一个实施例中，所述初始水平集函数为：。
[0010]在本专利技术的一个实施例中，步骤S3包括：当时，停止迭代，并将最后一次迭代得到的水平集函数作为目标图像的分割曲线；其中，为常数。
[0011]在本专利技术的一个实施例中，的取值范围为[0.001, 0.0001]。
[0012]在本专利技术的一个实施例中，的取值范围为[0.5, 2]。
[0013]本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
[0014]本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
[0015]本专利技术还提供了一种图像分割系统，其包括以下模块：初始水平集模块，用于在目标图像中设置初始轮廓线，并用初始水平集函数来表示所述初始轮廓线；迭代模块，用于对所述初始水平集函数进行更新迭代；第n次迭代时的水平集函数为：，其中，为窗口大小为的均值滤波器；softsign为softsign激活函数；为常数；为第n次迭代时的水平集函数；x为目标图像中的矢量像素点；为第n
‑
1次迭代时的水平集函数；为第n
‑
1次迭代时的梯度下降方程；为时间步长；分割曲线确定模块，用于将最后一次迭代得到的水平集函数作为目标图像的分割曲线。
[0016]本专利技术的上述技术方案相比现有技术具有以下优点：本专利技术的图像分割方法通过设置初始水平集函数，在每次迭代时，采用优化的水平集函数对离散水平集函数进行更新。其中，通过均值滤波器来代替传统主动轮廓模型中的长度项，用于平滑分割曲线；通过激活函数来代替传统主动轮廓模型中的距离规则项，用于使水平集函数在迭代的过程中始终保持轮廓线上和轮廓线内部值为负，而轮廓线外部值为正的规则。从而实现对灰度不均匀的图像的理想的分割效果，并且在分割速度和分割精确度上均具有优势。
[0017]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
[0018]为了使本专利技术的内容更容易被清楚的理解，下面根据本专利技术的具体实施例并结合附图，对本专利技术作进一步详细的说明，其中图1是本专利技术实施例中图像分割方法的流程图；图2是本专利技术实施例中图像分割方法的原理图；图3是利用本专利技术实施例中图像分割方法对灰度不均匀图像进行分割的示意图；图4是利用本专利技术实施例中图像分割方法对噪声的鲁棒性示意图；图5是本专利技术实施例中利用不同模型对图像进行分割的对比示意图。
具体实施方式
[0019]下面结合附图和具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以
更好地理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。
实施例一
[0020]参照图1所示，本实施例公开了一种图像分割方法，其包括以下步骤：步骤S1、在目标图像中设置初始轮廓线，并用初始水平集函数来表示所述初始轮廓线；具体地，参照图2，对于目标图像I，其连续的图像域是，x和y是图像域内的矢量像素点，设置初始轮廓线C0，将图像域分割成两个子区域和，表示初始轮廓线的外部区域，表示初始轮廓线及初始轮廓线的内部区域。对于图像域内任意一点y，存在一个以y为中心点，边长为的正方形邻域，其中，为高斯核函数，为高斯核函数的标准差，为使得的归一化常数。当点y靠近C0时，与子区域和均有交集，即和。
[0021]进一步地，基于水平集方法，用初始水平集函数来表示初始轮廓线C0，并且规定在初始轮廓线C0上和初始轮廓线C0的内部，初始水平集函数的值都为
‑
1，而在初始轮廓线C0的外部，初始水平集函数的值都为1。用第n（n大于等于1）次迭代得到的水平集函数来表示曲线C
n
，作为最终分割结果。
[0022]具体地，所述初始水平集函数表示为：。
[0023]步骤S2、对所述初始水平集函数进行更新迭代；第n次迭代时的水平集函数为：，其中，为窗口大小为的均值滤波器；softsign为softsign激活函数；为常数；为第n次迭代时的水平集函数；x为目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.图像分割方法，其特征在于，包括以下步骤：S1、在目标图像中设置初始轮廓线，并用初始水平集函数来表示所述初始轮廓线；S2、对所述初始水平集函数进行更新迭代；第n次迭代时的水平集函数为：，其中，为窗口大小为的均值滤波器；softsign为softsign激活函数；为常数；为第n次迭代时的水平集函数；x为目标图像中的矢量像素点；为第n
‑
1次迭代时的水平集函数；为第n
‑
1次迭代时的梯度下降方程；为时间步长；S3、将最后一次迭代得到的水平集函数作为目标图像的分割曲线。2.根据权利要求1所述的图像分割方法，其特征在于，第n
‑
1次迭代时的梯度下降方程为：，其中，为常数；为目标图像灰度的标准差；函数是函数的导函数，；为数据驱动项，y为目标图像中的矢量像素点，为以y为中心点、边长为的正方形邻域，为高斯核函数，为高斯核函数的标准差，为使得的归一化常数；为目标图像的真实灰度值；为通过计算拟合的图像阴影值，为窗口大小为的均值滤波器，为常数，为卷积运算；为第n
‑
1次迭代时的边缘反射结构信息值；当i=1时，为区域里的边缘反射结构信息值，；当i=2时，为区域里的边缘反射结构信息值，；为轮廓线的外部区域，为轮廓线及轮廓线的内部区域。3.根据权利要求2所述的图像分割方法，其特征在于，目标图像灰度的标准差为：
，其中，为目标图像的图像域；为目标图像内像素点的总数；为...

【专利技术属性】
技术研发人员：董斌，倪锦根，翁桂荣，卜倩倩，
申请(专利权)人：苏州大学，
类型：发明
国别省市：