[发明专利]基于混合偏移场校正的新型图像分割方法

权利要求书

1.一种基于混合偏移场校正的新型图像分割方法，其特征在于，其步骤如下：

步骤一：构建混合偏移场图像分解模型，根据输入图像得到图像的乘性偏移场b₁和加性偏移场b₂，将图像分解理论耦合到分段光滑的图像分割模型中；

步骤二：添加乘性偏移场b₁和加性偏移场b₂的正则项以及乘性偏移场b₁的约束项，使得乘性偏移场b₁总是围绕一个定值上下波动，构建新型的图像分割模型，并采用拉格朗日乘子方法将图像分割模型转化为无约束优化问题；

步骤三：利用交替极小化算法循环迭代求解无约束优化问题的每个子问题，获得最终的分割结果。

2.根据权利要求1所述的基于混合偏移场校正的新型图像分割方法，其特征在于，乘性偏移场b₁和加性偏移场b₂的混合偏移场图像分解模型为I＝b₁J+b₂+n，式中，I表示输入图像、b₁和b₂分别表示乘性偏移场和加性偏移场，n为零均值的高斯噪声，J表示需要分割的分段常数图像。

3.根据权利要求2所述的基于混合偏移场校正的新型图像分割方法，其特征在于，所述乘性偏移场b₁和加性偏移场b₂是缓慢变化和平滑的，乘性偏移场b₁和加性偏移场b₂属于Sobolev空间，即b₁∈W^1,2(Ω)和b₂∈W^1,2(Ω)；所述乘性偏移场b₁在1左右变化缓慢。

4.根据权利要求2或3所述的基于混合偏移场校正的新型图像分割方法，其特征在于，所述将图像分解理论耦合到分段光滑的图像分割模型中的方法为：

分段常数图像J由两部分构成：

其中，Ω₁表示感兴趣区域ROI，Ω₂表示ROI的外部区域；c₁表示ROI内部区域的像素平均值，c₂表示ROI的外部区域的像素平均值。

5.根据权利要求4所述的基于混合偏移场校正的新型图像分割方法，其特征在于，基于有界变差空间的定义，新型的图像分割模型为：

式中，Ω表示整个观测图像域，x表示像素点，ε＞0为任意小的偏置参数，λ为数据拟合项的参数；α,β分别为混合偏移场光滑项的参数；表示混合偏移场的梯度；D为弱导符号，指示函数u为：

6.根据权利要求5所述的基于混合偏移场校正的新型图像分割方法，其特征在于，将指示函数u松弛为u∈[0，1]的凸集，采用拉格朗日乘子方法，添加拉格朗日乘子项v∫_Ω((b₁-1)²-ε)dx，其中，ε为任意小的正数，通常将其省略为v∫_Ω(b₁-1)²dx；将不等式约束变换为无约束优化问题：

其中，v＞0为拉格朗日乘子，指示函数Γ_δ(u)为：

7.根据权利要求5或6所述的基于混合偏移场校正的新型图像分割方法，其特征在于，所述交替极小化算法为通过引入辅助变量，将无约束优化问题转化为若干个子问题，采用交替方向乘子法求解子问题，将同时求解多个变量的问题转化为依次求解单个变量的过程，再求解其中一个变量的过程中固定其它变量求解。