[发明专利]一种基于水平集的多目标图像分割方法

权利要求书

1.一种基于水平集的多目标医学分割方法，其特征在于：其具体实施步骤如下：

步骤一、对待分割的图像进行初始化操作，即在要分割的图像上画一个或多个闭合曲线作为初始轮廓；

步骤二、使用提出的基于区域的主动轮廓模型，对初始轮廓进行迭代演化，得到目标的轮廓曲线。

2.如权利要求1所述的一种适用于多目标图像的分割方法，其特征在于：步骤二中所述基于区域的主动轮廓模型具体为：

是图像域，是一张采集到的灰度不均匀医学图像，采用常用的模型对灰度不均匀医学图像建模为：

I＝bJ+n   (1)

其中，J是真实图像，可以分为N个不同的区域每个子区域Ω_i可以用常量c_i表示其灰度值；b表示核磁共振图像的灰度不均匀性，是一种偏差域，为一个矩阵；n为叠加的噪声；

提出的基于区域的主动轮廓模型的能量泛函如公式(2)所示：

F(Φ,b，c，σ²)=αE(Φ，b，c，σ²)+vL(Φ)+μR_p(Φ)   (2)

其中，F(Φ，b，c，σ²)为总的能量泛函；E(Φ,b，c，σ²)为第一部分能量泛函，表示为公式(3)；Φ=(φ₁，Λ，φ_k)是水平集函数的集合；c={c₁，Λ，c_N}表示每个区域的灰度值；L(Φ)为第二部分能量泛函，表示为公式(7)；P(φ)为第二部分能量泛函，表示为公式(8)；α，v和μ为每个能量项的系数，其取值全都为正；

E(Φ,b,c,σ2)=∫(Σi=1N∫-λiK(x-y)logp(I(x)|x∈ΩiIOy)Mi(Φ)dx)dy---(3)]]>

其中，K是一个高斯核函数，其定义如公式(4)所示；O_y表示像素点y的邻域，定义为：p(I(x)|x∈Ω_i I O_y)是对局部图像灰度值分布的高斯估计，其定义如(5)所示；M_i(Φ)表示水平集函数与所属区域的对应关系，其定义如(6)所示；

K(d)=1ae-|d|2/2σ2,for|d|≤ρ0,otherwise---(4)]]>

其中，a是一个常量，∫K(d)=1，σ是高斯函数的标准方差，ρ为像素点邻域O_y的半径；

p(I(x)|x∈ΩiIOy)=12πσi(y)exp(-(b(y)ci-I(x))22σi(y)2)---(5)]]>

其中，I(x)为像素点x的灰度值，b(y)c_i为高斯分布的中值，σ_i为高斯分布的标准差；

Mi(Φ)=Mi(φ1(x),Λ,φk(x))=1,x∈Ωi0,else---(6)]]>

当k=1，i=2时，即图像中只含有一个目标，图像域只划分为目标和背景两个区域，称为2阶的水平集方法；当k>1，i>2时，即图像中含有多个不同目标，图像域划分为多个区域，称为多阶的水平集方法；

L(φ)=∫Ω|▿H(φ(x)|dx---(7)]]>

其中，为梯度符号；H(·)为Heaviside函数；

Rp(φ)=∫Ωp(|▿φ|)dx---(8)]]>

其中，p(·)为势函数，其定义如(9)所示；

p(s)=1(2π)2(1-cos(2πs)),if s≤112(s-1)2,if s≥1.---(9).]]>