[发明专利]一种基于多特征的灰度不均图像快速分割方法

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于多特征的灰度不均图像快速分割方法。

背景技术

由于受到光照、拍摄角度以及接受图像的线圈频率不均等因素的影响，导致一些图像呈现出灰度不均特性，特别是在医学图像表现尤为突出，其中成像原理的不同及自身特点导致医学图像分割成为一大难题。比如在医学图像中目标边界因受到低信噪比和偏压场等因素的影响而导致产生的图像具有弱边界、图像模糊等特性，从而对图像分割造成一定程度的干扰。这种不均性主要体现为图像的局部统计特性的系统变化。根据灰度不均图像的特征，其图像的数学描述形式如下：

I(x)＝b(x)J(x)+n(x),x∈Ω(1)

其中公式(1)中，I(x)表示灰度不均的图像，B(x)表示图像中灰度不均区域的偏压场，J(x)表示真实图像，N(x)表示图像的噪声信息。

快速精准的分割在计算机视觉系统中起着关键的作用，是图像分析和图像理解与识别的基础，但是由于图像分割的解不具有唯一性，使得图像分割成为一个不适定问题，一直以来被认为是计算机视觉中的一大难题，特别是对于灰度不均的医学图像分割而言。因此，需要寻找更有效的方法来探索、求解医学图像的分割问题，将这类不适定问题转化为适定问题进行近似求解。对于该类问题，近年来已经出现了很多方法用来解决灰度不均图像的分割问题，主要包括基于区域增长模型的算法；基于机器学习的分割算法；基于模糊集算法和基于水平集的活动轮廓模型的算法等，其中基于水平集活动轮廓模型的算法因即采用了底层的图像信息，又结合了高层的先验知识，更接近于人类的视觉原理，从而在灰度不均医学图像分割中得到了广泛的应用。比如比较典型的C-V模型、局部二值拟合模型(LBF)、局部区域的C-V模型等。但是原有方法中要求初始化区域需靠近目标边缘，并且曲线的收敛速度较慢；本发明针对该问题进行研究工作。

发明内容

本发明为了解决原有的图像分割模型对初始化信息敏感，分割速率慢，在图像弱边界区域易出现边界泄露等问题；提出了一种基于多特征的灰度不均图像快速分割方法，以降低算法对初始化轮廓的敏感度以及提高分割的速度和准确性。

本发明的技术方案是：一种基于多特征的灰度不均图像快速分割方法，包括下述步骤：

步骤1，输入待分割图像：I0。

步骤2，设置初始化闭合曲线轮廓C₀，使用公式(2)初始化水平集函数φ₀，设置时间步长：Δt＝0.1，用来控制曲线光滑度函数Heaviside中的参数设置为：ε＝1.5，长度惩罚项参数：μ＝λ×255²,λ∈(0,1)；公式(3)H^new(x)是曲线光滑度Heaviside函数；

φ0(x)=2x∈C0-2otherwise---(2)]]>