[发明专利]一种基于窄带约束的几何活动轮廓模型图像局部分割方法

权利要求书

1.一种基于窄带约束的几何活动轮廓模型图像局部分割方法，其特征在于包括以下步骤：

步骤1：读入目标图像I，对图像进行去噪处理；

步骤2：根据基于粒子群阈值分割方法得到粗分割结果；

步骤3：计算粗分割结果目标轮廓线上每点的局部邻域的内外灰度均值差的绝对值，根据绝对值的大小设置每点的形态学算子半径；

步骤4：根据步骤3中设定的形态学算子半径对粗分割结果进行形态学膨胀运算，最终得到的区域就是曲线演化计算区域；

步骤5：在步骤4中得到的演化区域内设置初始轮廓；

步骤6：以演化曲线上各点局部邻域内部灰度均值与演化曲线内部整体灰度均值的差的平方的均值作为权重系数将全局能量项和局部能量项结合起来，构建主动轮廓模型的能量泛函；

步骤7：根据变分法求得能量泛函的梯度下降流；

步骤8：根据步骤7中得到的偏微分方程对曲线进行演化，判断算法是否收敛，若收敛或达到最大迭代次数则停止演化，显示最终的分割结果。

2.根据权利要求1所述的基于窄带约束的几何活动轮廓模型图像局部分割方法，其特征在于所述步骤2主要包括：

(1)在图像I的灰度空间内随机生成20个粒子，设置初始参数；

(2)将由最大二维熵阈值分割原理得到的图像总熵作为粒子的属性值，根据属性值来判断粒子作为解的优劣程度，用图像总熵作为属性值则属性值越大说明该粒子越优，根据以上内容计算初始粒子的相应属性值；

(3)将每个粒子的属性值与其经历过的所有位置的属性值进行比较，若较优，则设置当前粒子的位置为个体最优位置；

(4)将每个粒子的属性值与目前整个粒子群所经历的所有位置的属性值进行比较，若较优，则设置当前粒子位置为全局最优位置；

(5)根据粒子群算法中的速度和位置更新公式，对每个粒子的速度和位置进行更新；

(6)判断该算法是否收敛或者已经达到最大迭代次数，若是，则得到图像分割阈值，并根据阈值数值得到图像的粗分割结果；否则，转向(2)中进行下一轮迭代运算。

3.根据权利要求1所述的基于窄带约束的几何活动轮廓模型图像局部分割方法，其特征在于所述步骤6中主动轮廓模型的能量泛函为：

E＝(1-ω)E^CV+ωE^LGDF+E^P(1)

ELGDF=(Σi=1N∫Ωiw(x-y)[ln(σi(y))+I(x)-(ui(y))22σi2(y)]dx)dy---(3)]]>

其中I为图像，Ω为图像区域，H为Heaviside函数，为图像I内任意一点x到曲线C的符号距离函数，C为零水平集函数，E^CV为全局能量项，E^LGDF为局部能量项，E^P为符号距离函数的惩罚项，E^R为曲率平滑项，λ₁内部全局能量的比重系数，λ₂为外部全局能量的比重系数，c₁演化曲线内部全局的灰度均值，c₂为演化曲线外部全局的灰度均值，公式(3)中N表示图像一共被分割为N个区域，一般设定N的值为2，图像被分割为目标和背景两个区域，Ω_i表示第i个目标区域，u_i(y)和σ_i(y)分别为点y局部邻域内的灰度均值和方差，w(d)为高斯截断函数，其表达式为：

w(d)=1aexp(-d22σ2),|d|≤r0,|d|>r---(4)]]>

其中r为邻域半径，σ为局部方差，a的取值使∫w(d)＝1；

公式(1)中参数ω是调节全局能量项和局部能量项比重的参数，根据演化曲线内部灰度均值和曲线上点的局部内部灰度均值的差的平方在整条曲线上的积分构建自适应系数，其表达式如下：

其中，N为曲线上点的个数，为曲线上点x的局部邻域内部灰度均值，表示曲线内部全局灰度均值。

4.根据权利要求1或3所述的基于窄带约束的几何活动轮廓模型图像局部分割方法，其特征在于能量泛函的梯度下降流公式为：

其中e_i(x)的表达式如下：

ei(x)=∫w(x-y)[ln(σi(y))+I(x)-(ui(y))22σi2(y)]dy,(i=1,2)---(7)]]>

假定已知，可得c₁、c₂和的迭代公式分别为：

其中，为Heaviside函数的导数，c₁演化曲线内部全局的灰度均值，c₂为演化曲线外部全局的灰度均值。