[发明专利]矢量图像分割方法

说明书

技术领域

本发明涉及的是一种数字图像处理技术领域的方法，具体是一种基于变异HSV(色调、饱和度和亮度)空间及多通道比例变换的矢量图像分割方法。

背景技术

图像分割是一种将图像分解为若干区域的过程。活动轮廓模型(Active Contour Models，ACM)及其算法，一般将该过程定义为对目标函数进行最优化的过程。Chan和Vese在发表于《IEEE Transaction on Image Processing》的“Active Contours Without Edges”中提出的“无边缘信息的活动轮廓”模型(简称STP-CV)分割技术，同样是这样的一种模型。其采用分片常量曲面去逼近给定的图像以达到分割的目的。该模型已经得到了广泛的应用，有不少学者提出了改进。其中有Chan和Vese后来在发表于《Journal of Visual Communication andImage Representation》的论文“Active Contours without Edges for Vector-Valued Images”中提出的矢量(彩色)图像两相分割模型(简称VTP-CV)和发表于《International Journal ofComputer Vision》的论文“A multiphase level set framework for image segmentation usingthe Mumford and Shah model”中提出的标量(灰度)图像多相分割模型(简称SMP-CV)。

对于彩色图像，一种通常的分割方法是分割前先将其转换为灰度图像。但不同通道的相关信息被忽略，丢失了有用的特征。事实上，唯有综合多通道的信息，才能对矢量图像进行有效地分割。而Chan和Vese提出的VTP-CV模型采用的多通道信息集成方法类似于将矢量图转换为标量图的方法，使得在通道数据加权平均后目标与背景相近时该模型无效。Sandberg，B.和Chan，T.F.在发表于《Journal of Visual Communication and Image Representation》的论文“A logic framework for active contours on multi-channel images”中提出了一种逻辑框架用于改进VTP-CV模型，其中指出，VTP-CV模型中的多通道信息集成方法使得分割结果容易陷入局部最优。分割彩色图像的另外一种方法是首先在每个通道进行独立的分割，然后再将各通道中得到的结果进行融合以得到最终的分割。然后通常该方法中由于仅对分割后的结果进行综合处理而忽略了不同通道的对比关系，使得分割的准确性难以保证。

发明内容

本发明的目的在于克服现有技术的不足，提出了一种基于变异HSV空间及多通道比例变换的矢量图像分割方法，该方法采用逐通道分割然后融合的基本策略，基于经典的Chan-Vese活动轮廓(STP-CV)模型。

本发明是通过以下技术方案实现的，本发明通过将三通道图像经转换后采用单通道STP-CV模型在RGB空间的每个通道进行独立分割，然后采用多通道分割融合方法实现矢量图像的分割。

所述的转换是指：将采集到的彩色图像进行变异HSV色彩空间转换后再进行多通道比例变换。

所述的变异HSV色彩空间转换是指：

其中：Max和Min分别是彩色图像中像素点在RGB空间中三元组(R，G，B)中的最大值和最小值，R、G和B的分别为红色、绿色和蓝色的取值，其范围为[0，255]；H的取值范围为[0°，420°]。

所述的多通道比例变换是指：

其中：x_i≠m，i＝2，…，N，N为通道个数，x_i为像素点在源色彩空间中各通道的值；m为常数以保证上述公式中的诸分母不为0；y_i，i＝2，…，N，y_i是转换后得到的数值。

所述的单通道STP-CV模型是指：设图像I有N个通道，Iⁱ表示第i个通道，然后为每个通道定义一个能量函数：