一种能量自适应的快速水平集图像分割方法技术

本发明专利技术公开了一种能量自适应的快速水平集图像分割方法，涉及图像处理技术领域，包括读取待分割图像；进行中值滤波卷积运算；计算控制水平集函数演化的能量泛函，由此求得水平集演化方程；通过径向基神经网络对方程进行求解，得到图像分割结果。本发明专利技术构建出新的边缘指示函数，加快了曲线演化速度的同时也提高了对目标边缘细节信息的检测能力；构造自适应高斯核函数，加快了局部灰度拟合的效率，提高了图像分割效率；构建自适应权重函数，保证了分割精度；同时利用图像的全局信息和局部信息，增强了水平集初始轮廓设置的鲁棒性，减少了初始轮廓设置造成的干扰。始轮廓设置造成的干扰。始轮廓设置造成的干扰。

【技术实现步骤摘要】
一种能量自适应的快速水平集图像分割方法


[0001]本专利技术涉及图像处理
，特别涉及一种能量自适应的快速水平集图像分割方法。

技术介绍

[0002]在不同场景、不同类型的图像获取过程中，由于图像获取的复杂性和不确定性，可能会因为采集设备的不同或环境的干扰等问题增加图像信息的复杂性，从而使获取到的原始图像中产生灰度不均匀、低对比度、边缘模糊、噪声等不利于分割的干扰因素，因此对于存在复杂干扰的图像分割技术的研究具有重要意义。
[0003]目前一些传统图像分割方法仍然需要人工手动干预才能实现，而人工干预不仅会消耗技术人员更多的时间和精力，而且在分割结果的准确性和有效性上，很大程度地取决于技术人员的经验、技巧和主观判断。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述和/或现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种能量自适应的快速水平集图像分割方法，其特征在于：包括，读取从图像分割数据集中获取的待分割图像；对待分割图像进行中值滤波卷积运算，得到新图像；计算控制水平集函数演化的能量泛函，构建水平集演化方程；通过径向基神经网络对方程进行求解，并更新水平集函数，根据函数结果得到图像分割结果。2.如权利要求1所述的能量自适应的快速水平集图像分割方法，其特征在于：所述待分割图像包括灰度不均匀图像和噪声图像；所述中值滤波卷积运算公式如下：I
*
＝G
δ
*I0(x)其中，I
*
为经中值滤波卷积运算后的新图像；G
δ
为中值滤波核；I0(x)表示待分割图像。3.如权利要求1或2所述的能量自适应的快速水平集图像分割方法，其特征在于：所述能量泛函包括全局能量项、局部能量项和长度能量项；其中，所述全局能量项包括，由边缘指示函数构造而成，边缘指示函数公式如下：式中，g
p
为边缘指示函数，I0为原始待分割图像，x是图像的像素坐标，为原始图像的梯度；全局能量项E1公式如下：式中，λ1＝λ2＝1为权重系数；Ω为图像域，M1(Φ)＝H(Φ)，M2(Φ)＝1
‑
H(Φ)；Φ为水平集函数，H()为Heavisdie函数，dx为积分变量；其中，包括和公式如下：式中，优化后的演化曲线内全局灰度拟合均值；为优化后的演化曲线外全局灰度拟合均值。4.如权利要求3所述的能量自适应的快速水平集图像分割方法，其特征在于：所述局部能量项包括由边缘指示函数构造而成的自适应高斯核函数，利用图像不同区域特性自适应改变窗口尺度σ
g
值；其中，窗口尺度σ
g
值公式如下：σ
g
＝mean(αg
p
(I0(x))+1)式中，meanO表示取平均值，α为修正系数，根据图像像素大小进行取值；根据自适应高斯窗口尺度σ
g
，构造自适应高斯核函数K
σ
；所述自适应高斯核函数K
σ
公式定义如下：式中，exp O为指数函数；根据自适应高斯核函数构造模型的局部能量项E2；局部能
...

【专利技术属性】
技术研发人员：李红光，将晨曦，刘颖，尹莹，黄志斌，马永桃，高源良，黄洪达，黄尚杰，张蕾，黄日平，石凌霄，廖芷羚，黄小玲，刘宝华，黄司司，李豪鹏，李春容，韦文标，覃炜梅，杨嘉敏，刘绍偑，朱天成，梁裕鑫，黄琦，刘春成，伊然，郑毅，
申请(专利权)人：广西电网有限责任公司贵港供电局，
类型：发明
国别省市：