[发明专利]基于嵌入边界约束因子的局部主动轮廓图像分割方法

说明书

本发明公开了一种基于嵌入边界约束因子的局部主动轮廓图像分割方法，主要解决现有图像分割方法的分割精确低和鲁棒性差的问题。其方法步骤是：(1)输入一幅待分割图像；(2)初始化轮廓曲线；(3)构建局部区域；(4)计算局部区域中初始轮廓曲线内外像素点的灰度均值；(5)构建局部区域的边界约束因子；(6)构建局部区域的能量函数；(7)在局部区域内部构建几何图；(8)优化局部区域的能量函数；(9)更新局部区域的能量函数；(10)输出分割图像。本发明提取图像的局部信息，在能量函数中嵌入边界约束因子，获得了更准确的分割结果。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像分割技术领域中的一种基于嵌入边界约束因子的局部主动轮廓图像分割方法。本发明可用于对灰度不均匀图像进行分割，实现对图像特征目标的提取。

背景技术

近年来，主动轮廓模型(Active Contour Model,ACM)在计算机视觉领域变得相当流行，并且也已经被广泛的应用到图像分割上。图像分割的过程就是把每个像素作为一个数据点，分割的结果是为这些数据点赋予一个类标。具有同样类标的像素分成一类，从而实现对图像的分割。

传统的基于主动轮廓模型的图像分割方法，可分为基于边缘的主动轮廓模型的图像分割方法和基于区域的主动轮廓模型的图像分割方法。基于边缘的主动轮廓模型的图像分割方法由于利用图像的梯度信息作为能量函数收敛的条件，因此不适用于弱边缘图像；基于区域的主动轮廓模型的图像分割方法，虽然克服了基于边缘的主动轮廓模型的缺陷，但该方法将图像建模为一个分段常函数，因此不适合灰度不均匀图像的分割。

Q.Zheng,E.Q.Dong,and Z.L.Cao等人在其发表的论文“Graph cuts basedactive contour model with selective local or global segmentation”(ElectronicsLetters,2012,48(9):490-491)中提出了一种改进的局部主动轮廓的图像分割方法。该方法首先根据目标的轮廓初始化轮廓曲线，根据轮廓曲线内外的灰度差构建能量函数，将能量函数离散化后，引入图割(Graph cuts)方法优化能量函数，使得轮廓曲线演化到目标边界的时候，能量函数达到最小值，从而实现对目标物体的分割。该方法存在的不足之处是，只使用了图像的全局信息，因此对灰度不均匀及低对比度的图像分割效果不理想。

南京理工大学在其申请的专利文献“一种用主动轮廓进行红外图像分割的方法”(专利申请号201410243635.4，公开号CN104123719A)中公开了一种用主动轮廓进行图像分割的方法。该方法首先根据目标的轮廓初始化轮廓曲线，接着分别计算轮廓内部区域、外部区域及轮廓区域上各像素点的局部熵和局部标准差，构造各部分区域的特征向量，然后分别计算轮廓内部区域、外部区域的特征向量分别与轮廓区域特征向量的余弦相似性，根据计算的余弦相似性构造轮廓演化的能量函数，最后通过水平集演化实现对图像的分割。该方法存在的不足之处是，在构造局部区域的时候只根据轮廓曲线内外边界划分了局部区域，仍然不适用于灰度不均匀的图像，此外，当轮廓曲线演化到目标边界的时候，由于没有边界约束因子的约束作用，使能量函数不能最小化为0，导致轮廓曲线继续演化从而得到不准确的分割边界。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了一种基于嵌入边界约束因子的局部主动轮廓图像分割方法。本发明首先初始化轮廓曲线，用基于嵌入边界约束因子的局部主动轮廓的图像分割方法，构建能量函数并优化能量函数，达到图像分割的目的。

实现本发明目的的基本思路是：首先，对待分割的图像初始化轮廓曲线；其次，在轮廓曲线周围构建局部区域；接着，在局部区域内构建边界约束因子；然后根据边界约束因子构建能量函数；最后，通过图割方法优化能量函数，实现对图像的分割。

为了实现上述目的，本发明的具体实现步骤如下：

(1)输入一幅大小为228×200像素的待分割图像；