一种乘加性模型的水平集图像分割方法技术

本发明专利技术提供一种乘加性模型的水平集图像分割方法，属于图像处理领域。针对图像降质和灰度不均匀导致的图像分割不准确、不完整问题，本方法提供一种乘加性模型表示图像，用乘性偏置场和加性偏置场表征图像的灰度不均匀性质，并通过构造图像灰度数据拟合项、嵌入水平集能量泛函、定义偏置场约束项、设立总变分水平集方程、获取各迭代项并交叉迭代数值求解，实现图像分割。本方法能够更加准确地表征图像的物理特性，对自然图像、医学图像和工业图像的分割具有突出的准确性、可靠性和通用性，并可同时适用于二维和三维图像数据的分割。割。割。

【技术实现步骤摘要】
一种乘加性模型的水平集图像分割方法


[0001]本专利技术属于图像处理领域，涉及一种乘加性模型的水平集图像分割方法。

技术介绍

[0002]对于实际中大量存在的自然图像、医学图像、工业图像等数字图像，由于光照的不均匀变化，以及成像设备的非理想性及缺陷，容易造成图像的降质和退化，从而出现灰度不均匀现象，这为图像处理和计算机视觉带来诸多难题。由于图像的灰度在一定区域内相互重叠，使得灰度不均匀图像的分割变得极为困难。
[0003]图像分割是数字图像处理的主要研究内容，在目标分割和轮廓提取的基础上，才能实现目标识别、几何测量等后续操作。实际数字图像通常包含噪声和各种非理想因素，灰度分布不均匀和局部对比度偏低等负面现象比较常见，而传统分割算法所能达到的精度较低，甚至可能出现错误分割的情况。基于阈值的分割方法通过选择合适的阈值将图像划分为二值图像，计算简单，适应性强，但该方法对噪声和灰度不均匀性敏感。基于区域的算法相对简单，对噪声的免疫力较强，但计算效率低，且依赖于特定的增长、分裂与合并法，适应性较差。基于神经网络的分割可以在数据偏离正常情况时实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乘加性模型水平集图像分割方法，其特征在于包括以下步骤：步骤1：将乘加性模型定义为I＝b1J+b2+n，其中I是观测图像，b1和b2分别是灰度不均匀乘性偏置场、加性偏置场，J是真实图像，n是加性噪声，该模型用两个不同性质的偏置场表示图像的灰度不均匀性质，并根据该模型构造图像灰度数据拟合项；步骤2：在上述数据拟合项中嵌入符号相反的两个水平集函数，以指导轮廓曲线运动，并构造水平集能量泛函；步骤3：设立总变分水平集方程，将上述水平集能量泛函嵌入其中，并分别对乘性偏置场和加性偏置场定义约束项；步骤4：分别固定各个变量，采用梯度下降法对总变分水平集方程进行极小化求解，得到各迭代项；步骤5：利用有限差分法及递增序列的延续策略对各迭代项进行交叉迭代数值求解，实现图像分割。2.根据权利要求1所述的一种乘加性模型水平集图像分割方法，其特征在于，步骤1根据乘加性模型建立图像灰度拟合项，当处理二维图像数据时采取下述方法进行：(1)设真实图像J在不相交的区域Ω1,
…
,Ω
N
分别取N个不同常数c1,
…
,c
N
；(2)设定常数c1,
…
,c
N
为向量c＝(c1,
…
,c
N
)，将乘加性模型改写为I(x)≈b1(y)c
i
+b2(y)+n(x)，其中x和y分别为观测图像和偏置场中的像素灰度，对二维图像中的像素，考虑以其为中心半径为ρ的圆形邻域，并根据图像邻域内灰度的聚类属性制定二维图像数据的拟合项：式中K(s)为高斯截断函数，计算公式为：其中a是归一化常数，σ是高斯函数的标准差。3.根据权利要求1所述的一种乘加性模型水平集图像分割方法，其特征在于，步骤2在数据拟合项中嵌入符号相反的两个水平集函数，并构造水平集能量泛函，当处理二维图像数据时采用下述方法进行：(1)设定φ:Ω
→
R为水平集函数，用符号相反的水平集函数定义两个不相交的区域Ω1＝{x:φ(x)>0}和Ω2＝{x:φ(x)<0}，设定Ω1和Ω2分别由成员函数M1(φ)＝H(φ)和M2(φ)＝1
‑
H(φ)表示，此处H是Heaviside函数，定义为：其中ζ取1，H(x)的导数δ(x)定义为：(2)在式(1)中引入水平集函数并交换积分顺序，水平集能量泛函的计算公式为：
(3)设定φ、c、b1和b2都是ε的变量，将ε改写为其中e
i
设定为：e
i
(x)＝∫K(y
‑
x)|I(x)
‑
b1(y)c
i
‑
b2(y|2dy(6)，e
i
采用下式计算：式中*是卷积运算符，1
K
＝∫K(y
‑
x)dy，该函数在除靠近Ω的边界处其余都等于常数1。4.根据权利要求1所述的一种乘加性模型水平集图像分割方法，其特征在于，步骤3设立总变分水平集方程，当处理二维图像数据时采用下述方法进行：(1)设定水平集函数长度正则项和距离正则项分别为具体定义如下：具体定义如下：式(9)中(2)设...

【专利技术属性】
技术研发人员：黄魁东，李志翔，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：