[发明专利]基于改进梯度矢量模型的红外图像分割方法

说明书

技术领域

本发明涉及数字图像处理领域，具体涉及一种基于改进梯度矢量模型的红外图像分割方法。

背景技术

红外图像的分割在红外图像的分析以及目标探测中具有重要意义。近年来，国内外众多学者在红外图像分割中做了很多贡献，并提出了很多方法，如阈值分割法、边缘检测法以及区域生长法等。但是由于红外图像具有高噪声、低对比度和弱边缘的特性，这些方法并不能实现稳定正确的分割。因此对红外图像准确有效的分割仍然是一个具有挑战性的问题，因此，研究一种高质量的红外图像分割方法具有重要意义。

活动轮廓首先由Kass等人提出。活动轮廓模型作为一种有效的方法，被广泛应用于图像分割。活动轮廓模型是在图像感兴趣区域内初始化一条演化曲线，同时赋予该曲线能量函数，最小化能量函数使演化曲线运动，直至最终逼近图像目标边界，从而得到边界封闭、平滑的图像分割结果。能量泛函由内部能量项和外部能量项组成。内部能量项代表曲线本身，最小化它可使曲线尽可能短且尽可能光滑。外部能量项包含了图像的数据信息，最小化它将使它牵引演化曲线向所要分割的对象靠近，并最终停留在对象边缘处。针对外力的构建，现存的研究工作包括，如气球力，距离力，梯度矢量场(GVF)。

在这些外力中，GVF具有较大捕获能力和收敛到凹陷区能力受到广泛的关注。ε＝μ▽²V(x,y)-|▽f|²[V(x,y)-▽f],其中V(x,y)为梯度矢量流，f为边缘图，μ为平滑参数。GVF模型存在一些缺点，如另外由于边缘图的应用，该模型较易收到噪声影响。在求取f的过程中，通常的做法为f(x,y)＝▽|G_σ(x,y)*I(x,y)|，尽管噪声可以在一定程度上被除去，但是在在红外图像分割中，这将增加由弱边缘所带来的负面影响，并发生泄漏的边界。为了更好的分割含有弱边缘的图像，在构建边缘图方面，JierongCheng提出了动态方向梯度矢量流模型以及JinshanTang提出了多方向的梯度矢量流模型使得可以识别不同方向的边缘，A.Kovacs构造了新的边缘图，(用于表征边缘特征)。这些改进缓解了噪声的影响，但是当边缘中掺杂的噪声较为严重时，这些方法并不能实现准确的红外图像分割。另外该模型参数的选择缺乏自适应性，μ的选择取决于图像中的噪声含量。如果μ采取不适当的值，如太大，则进化曲线将穿过弱边缘并导致错误的分割结果。与此相反，如果μ取值过小，所得到的外力场将保留过多的噪声。针对以上问题，本发明提出一种改进的基于梯度矢量模型的分割方法，来实现红外图像的分割。

发明内容

本发明为解决现有方法在进行红外图像分割时，存在噪声敏感，图像弱边界分割泄露，参数选择缺乏自适应性，进而导致的边缘保持与扩大捕获范围之间的失衡等问题，提供一种基于改进梯度矢量模型的红外图像分割方法。

基于改进梯度矢量模型的红外图像分割方法，该方法由以下步骤实现：

步骤一、输入原始图像，并根据输入的原始图像构造边缘图e(x,y)；

步骤一一、引入引导滤波，获得引导滤波的核函数W_xy(I)；

所述核函数W_xy(I)的表达式为：