[发明专利]基于空间矩的水平集图像分割方法

说明书

技术领域

本发明涉及一种图像处理技术领域的图像分割方法，具体是一种基于图像空间矩的水平集图像分割方法。

背景技术

灰度不均匀图像在实际中处处存在，特别是在医学图像中。由于其灰度不均匀的特性，给图像分割带来了很大的困难，因此，正确地从灰度不均匀图像中分割出所需要的目标是一项棘手而又重要的工作，这对于医学图像特别具有意义，它是成功进行后续图像理解，描述及分析的关键步骤。目前，比较热门的图像分割研究方向之一是基于区域的几何主动轮廓模型的水平集分割方法。它由于能够非常自由地改变形状收敛到目标的轮廓，在图像分割领域上取得了很好的应用。基于区域的几何主动活动模型的水平集方法主要思想是基于图像灰度是统计均匀的，将图像划分为几个同质(即图像灰度值相同)区域，对这些区域建立能量模型来得到分割结果。这类方法利用了图像的全局信息，具有全局优化的优点，但是，现实情况中，灰度不均匀现象越来越普遍，针对这种情况，在建立能量模型时，无法将其看作同质区域，因而，无法解决灰度不均匀图像的分割问题。

经对现有技术的文献检索发现，Li chunming(李纯明)等人在CVPR 2007(计算机视觉和模式识别国际会议2007)上发表的Implicit Active Contours Driven ByLocal Binary Fitting Energy文章中提出利用LBF(Local Binary Fitting)主动轮廓模型来解决分割灰度不均匀图像的问题。该文中，图像局部信息的获得从根本上来讲还是间接利用了图像的全局信息，导致分割结果的正确性很大程度上依赖与初始化曲线的位置，而且分割时间也较长，并没有从根本上解决利用图像自身的局部信息来分割灰度不均匀图像的问题。

发明内容

本发明的目的在于针对现有技术的不足，提出一种基于空间矩的水平集图像分割方法。空间矩是用来对图像自身的局部信息进行提取，所以此发明不但利用了图像的全局信息，同时也考虑了图像自身的局部信息，弥补了LBF主动轮廓模型的水集方法的缺陷，对灰度不均匀图像有很好的应用，使其彻底解决了初始化依赖的问题，大大提高了分割的速度和精确性。

本发明是通过以下技术方案实现的，本发明包括如下步骤：

首先，在原始图像上进行空间矩的提取，获得图像的局部信息。

然后，利用获得的图像的局部信息，为原始图像的每个像素建立能量模型。

最后，利用图像的全局信息，在每个像素的能量模型的基础上，对所有像素的建立总的能量模型，利用水平集方法最小化能量模型，进行图像的分割。

所述的在原始图像上进行空间矩提取，获得图像的局部信息，具体为：对原始图像建立以图像像素(x，y)为中心，半径为1的二维理想边缘模型，边缘将整个圆区域分为两部分，其中一个区域的灰度值为h，另一个区域的灰度值为h+k，k表示边缘两边灰度的差异，l为中心(x，y)到边缘的垂直距离。利用空间矩模板与图像灰度相乘，提取图像二阶及二阶以下的矩：M′₀₀，M′₁₀，M′₂₀，M′₀₁，M′₀₂，M′₁₁。

其中，M′₀₀表示图像的零阶矩，M′₁₀和M′₀₁表示图像的一阶矩，M′₂₀，M′₀₂和M′₁₁则表示图像的二阶矩。

根据得到M′₀₀，M′₁₀，M′₂₀的值，得到图像局部信息：(每一像素)的h，k，l：

l=4M20′-M00′3M10′]]>