[发明专利]基于非下采样轮廓波和多相CV模型的图像分割方法

摘要

本发明公开了一种基于非下采样轮廓波变换的活动轮廓模型图像分割方法。首先，通过非下采样轮廓波变换进行待分割图像的多分辨率表示；其次，建立多分辨率系数的概率模型；最后，利用基于区域的活动轮廓模型进行多分辨率系数的整合操作以达到图像分割的目的。实验结果表明，本发明的方法可以很好地进行图像的分割操作，既可以保证分割图像的全局性，又可以分割出图像的细节信息。

主权项

1.一种基于非下采样轮廓波变换的活动轮廓模型图像分割方法，其特征在于按如下步骤进行：约定：I指待分割图像；R代表图像I的整个区域，且简单的图像分割满足R=R₁∪R₂；NSCT变换的分解层数为n；NSCT变换系数的高斯混合模型中的待估计参数；m=1,2是系数的大小两种状态；为混合模型的先验概率且满足；和分别为两种状态训练过程中的均值和方差；c为活动轮廓模型演化曲线；和为正的加权系数；为分段常值函数：，其中和表示与轮廓曲线c有关的常数值，一般取轮廓曲线内、外部的平均灰度值；a. 初始设置获取待分割图像并对变量进行初始化设置；b. 进行图像I的n层NSCT变换； c. 对于变换后的每层i(i= 1,2,…n)，作如下操作：c.1 利用和，计算第i层中每个系数的高斯概率密度函数；c.2通过EM算法对上述模型的参数进行训练，然后将每个系数分类成大或小两种状态；c.3设置大状态和小状态系数分别为1和0；d. 通过逆NSCT变换得到待分割图像的多分辨率表示I={I₁,I₂…,I_i,…,I_n};e. 在待分割图像上初始化一条演化曲线c；f. 利用步骤d所产生的图像I的多分辨表示，代入下列能量函数：；g. 反复演化活动轮廓曲线c直到能量函数打到最小值为止；h. 输出最终的图像分割结果。