基于格子波尔兹曼模型的图像分割方法技术

本发明专利技术公开了一种基于格子波尔兹曼模型的图像分割方法。该方法基于微观的格子波尔兹曼模型，对图像进行分割处理，最后实现对图像分割的宏观偏微分方程的求解，实现了图像的自动分割，相较于经典的偏微分方程方法的图像分割，可以实现大步长的迭代计算，从而有效提高了图像分割的效率，分割速度快，分割效果好。

Image segmentation method based on lattice Pohl Seidman model

The invention discloses an image segmentation method based on a lattice Pohl Seidman model. This method is based on the lattice model of micro Pohl Seidman, for image segmentation, and finally realize the solution of macro partial differential equation of image segmentation, automatic image segmentation, image partial differential equation method compared to classical segmentation, can achieve a large step iterative calculation, so as to effectively improve the efficiency of image segmentation. The segmentation speed and good segmentation effect.

【技术实现步骤摘要】

本专利技术涉及一种基于格子波尔兹曼模型(Lattice Boltzmann Model，LBM)的图像分割方法，属于图像处理领域。
技术介绍
图像分割指把图像分成各具特性的区域并提出感兴趣目标的技术和过程，它是一种重要的图像分析技术。在过去的四十多年里，图像分割的研究一直受到人们高度的重视。 图像分割是图像处理和分析中的重要问题，也是计算机视觉研究中的一个经典难题。图像处理的偏微分方程方法是从20世纪90年代迅速发展起来的，显示出了优于传统图像处理方法的性能。在基于偏微分方程方法的图像处理领域，由于活动轮廓模型具有计算的高效性、简单性及特别适用于建模和提取任意形状的变形轮廓等优点，近20年来，活动轮廓模型在边缘检测、医学图像分割以及运动跟踪中已经有了广泛的应用和很大的发展。图像分割中的活动轮廓或“蛇”(snake)模型是由M. Kass等首先提出的，其基本思想是将图像分割问题归结为最小化一个封闭曲线C (ρ)的“能量”泛函，实现“能量”泛函的最小化即得到尽可能短并且尽可能光顺的闭合曲线。但此方法存在的严重缺陷在于它不仅依赖于曲线C的几何形状和位置，还依赖于曲线的参数ρ。为了克服这一缺陷，V. Caselles, R. Sapiro于1997年提出了不含自由参数测地线活动轮廓(GAC)模型，消除了经典蛇模型依赖自由参数的缺陷。但GAC存在的缺陷是曲线不能接近于图像中有较深凹陷的边界。并且对于既没有明显边缘也缺乏明显纹理特征的图像，GAC模型难以实现成功的分割。基于此，T. Chan和L. Vese提出了无边缘活动轮廓(C-V)模型，实现了较好的自动分割效果。数字图像是不连续的，须借助数值计算以获取偏微分方程的近似解。许多偏微分方程都是通过显式有限差分法进行离散。一方面偏微分方程求解复杂，甚至根本不存在；另一方面，受稳定性的限制，算法迭代步长很小，需要很多次的迭代才能达到预期效果，算法实现过程效率低。随着工业、农业、医学、军事等领域自动化和智能化需求的迅速发展，对图像处理技术的要求也日益提高，因此需要高效的实现算法运用于图像实时处理领域。格子波尔兹曼模型具有清晰的物理思想，简单边界处理和快速并行计算的优点， 并且它是离散的空间模型，特别适合于数字图像处理。从格子波尔兹曼的微观模型，设计格子波尔兹曼演化方程，最后可以得到满足图像处理要求的宏观偏微分方程。因此格子波尔兹曼方法为实现图像处理的快速高效和准确性提供了实现途径。
技术实现思路
本专利技术的目的在于针对现有技术存在的技术问题，提出一种，该方法不仅能提高图像分割质量，而且能提高计算效率，尤其适用于图像实时处理。为了达到上述目的，本专利技术的构思是本专利技术的包括设立二维格子波尔兹曼模型， 它由离散化的计算网格构成，每个网格的节点相当于一个元胞，元胞的值由粒子的分布函数Zi(I = Hj)和扩散矢量CiCi = 0,1,...,^)决定。基于格子波尔兹曼模型的方法求解非线性扩散方程实现灰度图像分割的演化方程为权利要求1.一种，其特征在于操作步骤如下输入初始图像/江0),节点的值设为对应像素的灰度值；使用二维格子波尔兹曼模型，设置格子波尔兹曼演化方程中各作用方向的初始平衡态函数/广(χ,Ο)；确定格子波尔兹曼演化方程的迭代次数采用变分水平集方法，引入Heaviside函数，初始化距离函数0)作为初始曲线C ；2u计算Heavside函数//⑷=0.5x(l + _)xarctan(-)，其中参数控制函数从O上升到1πεε的快慢；计算分割曲线内部和外部的平均灰度值C1和C2 ^ Y,H(u)l{x,n) Jt(I-H(U))Iix,η)Ci — zm■ c7i — znz1 jjm * γβ-mui)计算参数的导数5知)，遍历图像计算格子波尔兹曼演化方程中的松弛因子r ；设《为迭代次数，根据二维格子波尔兹曼模型更新平衡分布函数为/产；计算二维格子波尔兹曼模型的迁移过程= 4江《)； 计算二维格子波尔兹曼模型的作用过程Ii (x + c^n + V)- Ii (χ,μ) = α^Ι^ζχ,η) -Ji (χ, , )] + 5 其中1力常数；更新粒子分布函数得到嵌入距离化函数,、；,、，取其零水“u (χ, η) =平集即为新的分割曲线；判断是否达到迭代次数见若达到#次时，则输出《零水平集结果即为分割轮廓；若没有达到#次，则转步骤(4)，重复步骤(4)- (10)，直到达到迭代#次数后输出处理后的零水平集结果，即为最后的分割结果。2.根据权利要求1所述的，其特征在于上述步骤(2)中的二维格子波尔兹曼模型为D2Q5模型时，初始平衡态函数/严江0)为Z产(叉，0) 仍=4 汉迈=IZ(叉力)。3.根据权利要求1所述的，其特征在于上述步骤(2)中二维格子波尔兹曼模型为D2Q9模型时，初始平衡态函数/产(^0)为4.根据权利要求1所述的，其特征在于 上述步骤(6)中的二维格子波尔兹曼模型为D2Q5模型时，相关的松弛因子‘为5.根据权利要求1所述的，其特征在于 上述步骤(6)中二维格子波尔兹曼模型为D2Q9模型时，相关的松弛因子 为6.根据权利要求1所述的，其特征在于上述步骤(9)中的二维格子波尔兹曼模型为D2Q5模型时，更新分布函数为 1 7.根据权利要求1所述的，其特征在于 上述步骤(9)中二维格子波尔兹曼模型为D2Q9模型时，更新分布函数/严为全文摘要本专利技术公开了一种。该方法基于微观的格子波尔兹曼模型，对图像进行分割处理，最后实现对图像分割的宏观偏微分方程的求解，实现了图像的自动分割，相较于经典的偏微分方程方法的图像分割，可以实现大步长的迭代计算，从而有效提高了图像分割的效率，分割速度快，分割效果好。文档编号G06T5/00GK102163321SQ201110060920公开日2011年8月24日 申请日期2011年6月15日 优先权日2011年6月15日专利技术者严壮志, 刘玮, 张蕊 申请人:上海大学本文档来自技高网...

【技术保护点】
１．一种基于格子波尔兹曼模型的图像分割方法，其特征在于操作步骤如下：输入初始图像　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　，节点的值设为对应像素的灰度值；使用二维格子波尔兹曼模型，设置格子波尔兹曼演化方程中各作用方向的初始平衡态函数；确定格子波尔兹曼演化方程的迭代次数Ｎ；采用变分水平集方法，引入Ｈｅａｖｉｓｉｄｅ函数，初始化距离函数作为初始曲线Ｃ；计算Ｈｅａｖｓｉｄｅ函数，其中参数控制函数从０上升到１的快慢；计算分割曲线内部和外部的平均灰度值ｃ１和ｃ２：，计算参数的导数，遍历图像计算格子波尔兹曼演化方程中的松弛因子；设ｎ为迭代次数，根据二维格子波尔兹曼模型更新平衡分布函数为；计算二维格子波尔兹曼模型的迁移过程：；计算二维格子波尔兹曼模型的作用过程：其中为常数；更新粒子分布函数得到嵌入距离化函数，取其零水平集即为新的分割曲线；判断是否达到迭代次数Ｎ，若达到Ｎ次时，则输出ｕ零水平集结果即为分割轮廓；若没有达到Ｎ次，则转步骤（４），重复步骤（４）－（１０），直到达到迭代Ｎ次数后输出处理后的零水平集结果，即为最后的分割结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘玮，严壮志，张蕊，
申请(专利权)人：上海大学，
类型：发明
国别省市：31