[发明专利]基于中介真值程度度量的局部主动轮廓图像分割方法

说明书

本发明公开了一种基于中介真值程度度量的局部主动轮廓图像分割方法，主要解决现有基于主动轮廓的图像分割方法不能用于多种图像的分割及分割结果不准确的问题。其实现过程为：1)输入待分割图像，在图像上给定初始轮廓，对图像上轮廓内外像素分别进行标号；2)取图像的局部区域，在局部区域上分别计算轮廓内外灰度均值；3)计算局部区域上像素的灰度值与轮廓内外灰度均值的相似度；4)根据上述结果构建能量函数；5)用图割优化能量函数，对轮廓内外的像素标号进行更新，以驱动局部区域内轮廓曲线向目标边界演化，当轮廓曲线到达目标边界时，完成图像分割。本发明不仅提高了图像分割的精度，而且能对多种类型图像进行分割，可用于目标识别。

技术领域

本发明属于图像处理技术领域，涉及主动轮廓图像分割方法，可用于在目标识别中对自然图像，人造图像，医学图像，紫外极光图像，多目标图像，灰度不均匀图像以及背景复杂图像的精确分割。

背景技术

图像分割是图像处理中的一项关键技术，也是图像分析的第一步。因此，准确的图像分割在图像处理中有着很重要的作用。但由于图像分割是一项具有很高难度和深度的任务，迄今为止都没有一个适用于多种类型图像分割的方法。

近几年，主动轮廓方法在图像分割中得到了广泛的应用，并且也取得了一定程度的效果。主动轮廓主要分为基于边缘的主动轮廓和基于区域的主动轮廓。基于边缘的主动轮廓方法由于其对噪声和初始轮廓的位置较敏感，且不适用于弱边界图像的分割，如测地线主动轮廓图像分割方法GAC，以及2005年Li提出的无需重新初始化的水平集图像分割方法LSWR。因此，近些年，基于区域的主动轮廓方法比较流行，如，Chan和Vese提出的CV模型；Gelas等人于2007年提出基于配置法的径向基函数水平集图像分割方法CSRBFs；Li等人于2008年提出基于区域可伸缩的能量最小化图像分割方法RSF，2010年又提出距离正则化的水平集图像分割方法DRLSE；Andersson等人于2013年提出改进的梯度搜索水平集图像分割方法MGSLS；这些方法虽然克服了基于边缘的主动轮廓方法的缺点，但由于这些方法都是用梯度下降流来最小化能量函数，容易陷入局部最小。所以有人将主动轮廓方法和图割模型结合，用图割模型来优化主动轮廓方法的能量函数，提出了基于图割优化的主动轮廓方法ACBGC，该方法可以找到能量函数的全局最小。但是该方法不能分割灰度不均匀的图像和对比度极低的紫外极光图像。为了克服以上提到的缺点，Yang等人于2015年提出了嵌入马尔可夫随机场的水平集图像分割方法MELS，该方法在参数最优的情况下可以得到较好的分割结果，但是寻找最优参数不仅耗时耗力，而且非常困难。因此，该方法不适用于大量图像的分割。

发明内容

本发明的目的在于针对上述现有技术的不足，提出基于中介真值程度度量的局部主动轮廓图像分割方法，以实现对大量图像的准确分割。

本发明的技术思路是：通过给定初始轮廓，把图像轮廓曲线内的部分当作目标，把图像轮廓曲线外的部分当作背景；通过在图像的局部区域内用图割优化主动轮廓能量函数，驱动局部区域内轮廓曲线向目标边界演化；重复上述步骤，使图像上所有局部区域内轮廓曲线都向目标边界演化，完成图像分割。其实现步骤包括如下步骤：

(1)在输入图像I上定义初始轮廓曲线C，并对图像上的所有像素进行标号，即把初始轮廓曲线内的像素标号为1，把初始轮廓曲线外的像素标号为0；

(2)以轮廓曲线C上的第i个像素点为中心，r为边长做一个正方形，得到图像I的第i个局部区域I_i，其中r的值在5到40之间，i从1到k，k为轮廓曲线C的周长；

(3)在步骤(2)中得到的局部区域I_i上分别计算轮廓曲线内像素的灰度均值和轮廓曲线外像素的灰度均值