[发明专利]一种基于水平集的多目标图像分割方法

说明书

技术领域

本发明涉及一种基于水平集的多目标图像分割方法，能够分割含有多个不同目标的图像，可广泛的应用于图像分析技术领域。

背景技术

图像分割是图像处理领域中的一个重要问题，它对于图像理解、图像分析、模式识别、计算机视觉等具有非常重要的意义，在许多的研究领域都应用的非常广泛，得到了人们越来越多的重视。但是由于其本身的复杂性，尽管许多研究人员付出了大量的努力，但是到目前为止还不存在一个通用的分割方法，也还没有建立一个判断分割是否成功的客观标准，所以图像分割是计算机视觉中的一个瓶颈。

在医学应用领域中，医学图像分割问题，相对于一般的图像分割问题，面临着更多的难题。由于医学图像的成像原理和组织本身的特性差异，使得图像的形成易受到诸如噪音、场偏移效应、局部体效应和组织运动等的影响。因此，医学图像往往存在大量噪声、局部模糊集灰度不均匀等特性，增加了其分割的难度。另外，人体解剖机构的复杂性、组织器官形状的不规则形、个体之间的差异性等，都给医学图像分割带来了困难。

国内外许多学者都对医学图像分析领域进行了研究，得到了许多医学图像分割的方法。然而，由于噪声、弱边界、灰度不均匀性等问题的存在，使得一些传统的方法并不能得到理想的结果。主动轮廓模型能够将目标的先验知识和来自图像的知识融入一个统一的过程，当前成为图像分析领域的一个热点，尤其是在图像分割方面。

基于主动轮廓模型的图像分割方法有许多，将其与水平集方法相结合的模型，又称几何主动轮廓模型，因能灵活处理拓扑机构的变化，引起了广泛的关注。由Chan和Vese提出的CV模型，是经典的几何主动轮廓模型；它假设图像分为目标和背景两部分，两者的差别表现为平均灰度值的明显不同，如果我们能找到闭合曲线，它将全部图像域划分为内部区域Ω₁和外部区域Ω₂两个部分，使在Ω₁内的图像部分与在Ω₂内的图像部分的平均灰度恰好反映出对象与背景之间的灰度平均值得差别，那么这一曲线就可看成是对象的轮廓。但是C-V模型假设图像的灰度分布是均匀的，当图像中出现灰度不均匀现象时，C-V模型得不到正确的分割结果。为了克服CV模型的缺点，Vese和Chan及Tsai等人提出了PS模型，PS模型假设图像是分段连续的，采用两个平滑函数u⁺(x)和u^-(x)来估计两个区域Ω₁和Ω₂的灰度值，可以对灰度不均匀的图像进行分割。采用PS模型可以处理灰度不均匀图像，但PS模型由于在每次迭代水平集函数时要额外求解两个偏微分方程，计算量较大。除此之外，为了保证演化过程中水平集函数的稳定性，需要对水平集函数进行周期性的初始化，这些都增加了PS模型的时间复杂度，限制了其在实际中的应用。Wang等提出的基于局部高斯拟合项的主动轮廓模型充分利用了图像的局部信息，在一些图像上取得了比较理想的分割效果。这个方法首先在图像像素点的一定邻域内根据最大后验概率准则定义一个局部高斯拟合函数，然后该目标函数整合到整个图像域，并引入到变分水平集框架中。但是该方法还存在一些缺点：(1)没有考虑区域划分的先验概率；(2)有时对初始化较敏感；(3)该方法只考虑了两阶的情况，不能分割含有多个不同目标的图像；(4)得不到图像的偏差邻域，因此不能进一步对得到的图像进行修正。针对存在的这些问题，我们提出一种新的方法。