[发明专利]基于归一化耦合曲线演化模型的图割方法

说明书

技术领域

本发明涉及一种图像分割技术领域的方法，具体是一种基于归一化耦合曲线演化模型的图割方法，可用于图像处理、计算机视觉、工业自动化检测。

背景技术

众所周知，图像分割和边界提取对于图像理解、图像分析、模式识别、计算机视觉等具有非常重要的意义。传统上，基于水平集函数的活动轮廓模型是一种常用的表示图像的工具，这种基于水平集的活动轮廓模型能够通过梯度下降流的方法得到最优化。同时，另外一种最优化准则是由Yezzi等人提出的，这种准则是基于最大化分割曲线内外区域的均值强度。但是，这种方法由于在曲线演化过程中需要重新初始化，导致活动轮廓曲线演化地非常缓慢，计算效率低，而且分割效果受初始轮廓位置影响严重。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于归一化耦合曲线演化模型的图割方法，该方法有效地解决了初始轮廓位置敏感，计算效率低等问题，表现出良好的分割效果。

为了实现上述目的，本发明采用如下技术方案：

一种基于归一化耦合曲线演化模型的图割方法，该方法的实现步骤如下：

步骤1：对需要分割的图像，初始化图像的轮廓曲线，并定义曲线内外部均值强度；

步骤2：利用内外均值强度，改写传统的SM能量函数；

步骤3：对改写后的传统的SM能量函数引入两个参数进行加权，得到加权的SM能量函数，然后对加权的SM能量函数加入曲线平滑项，得到归一化SM能量函数；

步骤4：利用符号函数的定义重新表示步骤1中的内外部均值强度；

步骤5：对需要分割的图像的每个像素点，添加权重边缘项；

步骤6：采用最小化图割方法对步骤3中的归一化SM能量函数进行最小化加权，得到最小化时的符号函数，利用所求的符号函数重新计算均值强度；

步骤7：重复步骤2-6至符号函数稳定为止，此时达到了求解收敛，完成图像分割。

所述的曲线内外部均值强度的定义如下：u=∫RoI(x)dx∫Rodx,]]>v=∫RiI(x)dx∫Ridx;]]>其中，R_i和R_o分别是曲线内部和外部的区域，u和v分别表示曲线内部和外部的均值强度。

所述改写后的传统的SM能量函数为：

EfSM=-14(u-v)(u-v+u-v)]]>