[发明专利]基于距离势场和自适应气球力的图像分割方法

说明书

技术领域

本发明涉及基于Snake模型的图像分割方法，属于数字图像处理领域。

背景技术

Snake模型，又称为活动轮廓模型、蛇模型。活动轮廓的含义是首先在待分割目标周围手动或自动设置初始轮廓，并赋予初始轮廓能量。轮廓在模型自身的拓扑内力和图像的灰度数据产生的外力的作用下发生形变，像蛇一样活动，达到轮廓能量最小时，轮廓的所在位置即是待分割目标的边缘。

Snake模型是将图像分割问题转化为求能量泛函最小化的过程。活动轮廓突出优点是一旦设置初始轮廓，后续的轮廓演化不需要人为参与，自动化程度高，而采用力学原理，对轮廓本身定义了弹性力和刚性力，这样，无论分割目标的结构如何复杂，分割的最终轮廓都是光滑封闭的，这符合一般情况下的自然图像，尤其是医学图像的客观规律。Snake模型的因计算效率高，适合建模，而被广泛应用于图像分割、目标跟踪、模式识别等应用。

Snake模型根据轮廓的表达方式的不同分为两种：参数Snake模型和几何Snake模型。参数Snake模型的轮廓由控制点连接而成，轮廓的变形特性由弹性和刚性的参数控制。Snake模型的轮廓能量定义如下：

E_snake＝E_int+E_image

Eint为内能，控制轮廓的拓扑特性，Eimage为外能，控制轮廓收敛特性，外能从图像数据获得，计算模型不唯一，是影响分割结果的重要因素。最早的参数Snake模型采用公式作为外能，该模型力场捕获范围小，且不能分割凹型边缘。

为了克服传统方法的不足，已经提出了许多方法。其中梯度矢量流(GVF)被引入用来作为轮廓的外力场。GVF的外力场V(x，y)＝(u(x，y)，v(x，y))通过最小化能量泛函获得：

ϵ=∫∫μ(ux2+uy2+vx2+vy2)+|▿f|2|V-▿f|2dxdy]]>

式中u_x，u_y，v_x，v_y分别为u(x，y)，v(x，y)关于x方向和y方向的导数，f为图像的边缘图，μ为常数。

GVF模型虽然具有较大的捕获范围，能够收敛凹型边缘，但还存在三点问题：1、GVF模型的力场范围不能通过参数控制。2、GVF模型的力场对噪声敏感。3、GVF模型的力场不能与气球力结合，难以分割长管状边缘。

为了克服孤立噪点以及提高分割效率，气球力模型(balloon)被引入作为轮廓的动态外力，气球力通过加在轮廓控制点法线方向的恒定大小的作用力来实现。气球力主要存在问题是力的膨胀或收缩方向一旦设定，则不能改变，在分割长管状边缘时，容易造成边界泄露。

发明内容

本发明的目的是为了能够准确分割长管状边缘的目标，同时能够分割含椒盐噪声的图像，进而提出了一种基于距离势场和自适应气球力的图像分割方法。

本发明基于距离势场和自适应气球力的图像分割方法，实现该方法的步骤如下：

一、构造距离势场算子；

二、用构造出的距离势场算子求图像的距离势场，对势场求梯度获得距离力场，并对力场归一化；

三、设置初始轮廓，计算自适应气球力；