[发明专利]基于模糊能量主动轮廓模型的高光谱图像分割方法

权利要求书

1.基于模糊能量主动轮廓模型的高光谱图像分割方法，其特征在于，基于模糊能量主动轮廓模型的高光谱图像分割方法，具体分割步骤包括： 

a、在待分割高光谱图像上设定初始轮廓，定义轮廓内部和外部区域的初始隶属度值； 

b、计算轮廓内部和外部区域的平均强度； 

c、重新计算所有像素点的隶属度值，并计算隶属度变化前后的能量差，如果能量差小于零，则更新该像素点的隶属度； 

d、重复步骤b到步骤d，直到图像总能量最小。 

2.根据权利要求1所述的基于模糊能量主动轮廓模型的高光谱图像分割方法，其特征在于，基于模糊能量主动轮廓模型的高光谱图像分割方法，包括： 

定义待分割高光谱图像的模糊能量泛函为： 

其中，C为在图像上任意设定的初始轮廓线，轮廓线C将图像域Ω分割为两部分：轮廓线内部I^l和外部I^o，c₁和c₂分别为I^l和I^o区域的平均强度，u(x，y)∈[0，1]为像素点I(x，y)对I^l和I^o的隶属度函数，m为模糊权重因子，λ₁、λ₂为正的固定参数。 

图像分割过程中，通过每个像素点隶属度值u(x，y)的更新，轮廓线C及模型能量F(C，c₁，c₂，u)也跟随变化，直到轮廓线C到达目标边界，能量F(C，c₁，c₂，u)最小时停止。即目标区域边界C_boundary为该图像分割问题的解： 

对I^l和I^o区域的隶属度函数u(x，y)有如下界定： 

即轮廓线内部隶属度全部大于0.5，轮廓线外部全部小于0.5。 

保持参数u不变，通过最小化能量方程F(C，c₁，c₂，u)，获得c₁和c₂分别为： 

同样，保持参数c₁和c₂不变，通过最小化能量方程F(C，c₁，c₂，u)，获得u： 

。

3.根据权利要求2所述的基于模糊能量主动轮廓模型的高光谱图像分割方法，其特征在于，对玉米种子高光谱图像分割的实施步骤，包括： 

(3a)、在待分割玉米种子图像上定义初始轮廓线C₀(x，y)，将图像划分为轮廓线内外部两个区域； 

(3b)、分别计算两个区域的c₁和c₂； 

(3c)、假定当前像素点灰度值为I₀，对应隶属度为u₀，根据c₁和c₂计算该点新的隶属度值u_n，并计算前后的能量差ΔF；如果ΔF<0，则将该点的隶属度更新为u_n，否则，保持u₀不变； 

(3d)、对所有像素点重复步骤(3c)，并计算图像总能量F； 

(3e)、重复步骤(3b)-(3d)，直到总能量F不再变化。 

上述操作的结果是，高光谱图像中包含玉米种子的目标区域全部位于轮廓线内部，图像背景全部在轮廓线外部。 

4.根据权利要求3所述的基于模糊能量主动轮廓模型的高光谱图像分割方法，其特征在于，在对玉米种子高光谱图像分割中，能量差ΔF的算式为 

其中，s₁=∑_i,j[u(i,j)]^m，s₂=∑_i,j[1-u(i，j)]^m。