[发明专利]一种基于符号压力函数的活动轮廓图像分割方法及装置

摘要

本发明涉及一种基于符号压力函数的活动轮廓图像分割方法及装置，该方法包括：根据原始图像，求取图像分割轮廓曲线内外区域的灰度均值；根据轮廓曲线内外区域的灰度均值，求取轮廓曲线内外区域的灰度密度分布函数，进而得到基于图像统计信息的符号压力函数；根据轮廓曲线内外区域的灰度均值，求取加权组合函数，并根据该加权组合函数得到基于图像全局信息的符号压力函数；给两个符号压力函数分配权值得到水平集演化方程，使水平集演化方程不断演化，进而获取图像分割结果。本发明不仅能够有效地分割含有弱边界、灰度不均匀的图像，而且也能够有效地分割多目标图像，且对噪声有较好的抗干扰性。

主权项

一种基于符号压力函数的活动轮廓图像分割方法，其特征在于，步骤如下：根据原始图像，求取图像分割轮廓曲线内外区域的灰度均值；根据轮廓曲线内外区域的灰度均值，求取轮廓曲线内外区域的灰度密度分布函数，进而得到基于图像统计信息的符号压力函数，其表达式为：spf1(I(x))=lnP1-lnP2max(|lnP1-lnP2|)]]>其中，I(x)为原始图像，spf1(I(x))为基于图像统计信息的符号压力函数，P1和P2分别表示轮廓曲线内外区域的灰度密度分布函数，max(|lnP1–lnP2|)为表达式|lnP1–lnP2|的最大值；根据轮廓曲线内外区域的灰度均值，求取加权组合函数，并根据该加权组合函数得到基于图像全局信息的符号压力函数，其表达式为：spf2(I(x))=I(x)-f(x)max(|f(x)|)]]>其中，I(x)为原始图像，spf2(I(x))为基于图像全局信息的符号压力函数，f(x)为加权组合函数，max(|f(x)|)为加权组合函数|f(x)|的最大值；给两个符号压力函数分配权值得到水平集演化方程，使水平集演化方程不断演化，进而获取图像分割结果，水平集演化方程的表达式为：∂φ∂t=λ1spf1|▿φ|-λ2spf2|▿φ|]]>其中，λ1和λ2分别为符号压力函数spf1和spf2的权值，φ为水平集函数。