[发明专利]一种基于纳什均衡理论的多纹理特征图像分割方法

说明书

本发明提供的事一种基于纳什均衡理论的多纹理特征图像分割方法。主要包括：对图像的14种纹理特征值进行归一化处理；采用纳什均衡理论，不断的求取14个纹理特征值各自区域收益的最大值max(∑p∈P^σp)，并且根据区域收益值进行相似区域的判断与合并；将结果输出至改进的基于纳什均衡的多纹理C‑V模型中，获得光滑的图像分割轮廓线。由于模型是充分利用全图像14种纹理信息进行计算的，所以得到的结果更加全面和准确。

技术领域

本发明涉及的是一种图像处理方法，具体地说是一种多纹理特征图像分割方法。

背景技术

物体的表面的结构特征可以通过纹理表现出来，纹理是图像的一个重要的属性，广泛应用于图像分割中，尤其在医学图像处理中应用更多。纹理图像分割主要包括：纹理特征的计算、相似区域的判断和分割轮廓线的光滑处理等。纹理图像分割的精度，在一定程度上由纹理特征向量的选取和计算，相似区域的合并以及分割轮廓线的光滑方法来决定的。每个纹理特征对图像的代表性以及他们之间的相关度都有很大差异。不同的特征分别表示纹理的不同侧面和特点，所表示图像纹理的内容也有所不同，是不能完全相互替代的。由于难以确定各特征的影响权重和计算效率等原因，目前比较典型的处理方法是选取几个主要的纹理特征进行计算。但是只是一定程度上减少了特征权重带来的不确定性，仅适合部分图像的特征权重的选取。

C-V模型的原理是采用一个逼近的方法，使得轮廓线和区域边缘足够的接近，进而使得区域边缘被光滑的轮廓线代替。但需要对Heaviside函数设定阈值。这个阈值大小的设定直接关系到轮廓线的光滑效果。然而这种设定阈值的方法有一定的人为因素和实验带来的不确定性进而导致、分割不准确的问题。

发明内容

本发明的目的在于提供一种能够得到更加全面和准确的处理结果的基于纳什均衡理论的多纹理特征图像分割方法。

本发明的目的是这样实现的：

(1)输入图像，将所述图像划分为N个区域，计算区域灰度的最大值，确定最大灰度值的区域个数是N_i，以及最大灰度值的相邻区域的个数是N_k；

(2)计算所有N_i相邻区域的14个纹理特征值的收益∑_p∈Pω_p；

(3)如果相邻区域的14个特征值的收益都最大，则达到纳什均衡，该相邻区域N_k和N_i是相似区域，并将两区域合并，N_i＝N_i+N_k，N_k＝N_k+1；否则，N_k＝N_k+1；

(4)判断，如果N_k＜N，返回步骤(2)查找合并区域的相邻区域；

(5)判断，如果N＝N_k，则u_0i＝N_i，得到合并后的相似区域u_0i；

(6)计算合并后相似区域u_0i的功能函数

(7)输出原图像的分割结果图。

所述合并后相似区域u_0i的功能函数

其中，第一项约束函数，用以保证获得的是足够短的曲线；而第二项和第三项负责将轮廓曲线C吸引到轮廓线上来，是水平集函数用来代替曲线，δ_s是纳什均衡收益函数为σ(x)的微分形式，改进为不仅是灰度均值而且是包含14种纹理特征的集合，μ，λ_i是取值为正的权值常数，一般令λ_i为1：σ(x)为纳什均衡收益函数，和用来衡量曲线内部和外部区域纹理特征的变化。