[发明专利]一种基于窄带约束的几何活动轮廓模型图像局部分割方法

说明书

技术领域

本发明属于图像处理领域，具体涉及基于主动轮廓模型和水平集的图像分割方法。

背景技术

图像分割是将一幅图像分成具有不同性质和特征区域的图像处理方法，被广泛应用于医学图像处理，遥感图像处理等方面。针对各种应用需求，研究人员提出了许多图像分割方法。其中，主动轮廓模型(Active Contour Model,ACM)以其强大的数学理论基础和基于水平集函数(Level Set Function,LSF)的高效数值方案吸进了众多学者。主动轮廓模型主要分为两类：基于边缘信息的主动轮廓模型和基于区域信息的主动轮廓模型。基于边缘信息的主动轮廓模型用图像梯度作为曲线进化的终止项，虽能实现局部分割，但对噪声敏感，对边缘较弱图像的分割能力较差；基于区域信息的主动轮廓模型用全局统计信息作为曲线进化的终止项，对噪声、弱边缘等问题比基于边缘信息的主动轮廓模型具有较强的鲁棒性，但其模型是一种全局分割模型，会将图像中具有相近亮度的区域都分割出来，无法实现只针对局部的分割。在实际应用中，人们通常需要只对感兴趣的目标区域进行分割，当前大多数基于区域信息的主动轮廓模型都是全局分割模型，而且不论初始轮廓置于图像中的什么位置，基于区域信息的主动轮廓模型都能将图像中所有目标分割出来。一种比较常用的局部分割方法是将演化曲线限制在一条窄带内，例如利用狄拉克利函数将演化曲线限制在零水平集附近的窄带内，该方法对灰度不均匀性有一定的鲁棒性，但是对初始轮廓敏感，且由于在水平集演化过程中随着符号距离函数的重新初始化带来的误差也将越来越大，导致窄带不稳定，使窄带变得难以控制。还有一种方法是通过用有限的整数集来初始化水平集函数，将数据驱动项和平滑项设计为两个独立的循环过程，但分割结果仅由数据项的作用决定，忽视了平滑项可能对曲线进化的促进作用。如果将数据项和平滑项统一到一个循环过程中，高斯平滑项会破坏原有整数集的特性，从而导致窄带变宽，造成局部分割失败。

发明内容

本发明针对灰度不均匀图像局部分割中存在的窄带控制不稳定和曲线进化精度不足的问题，以及仅采用全局能量项和局部能量项拟合的能量函数模型无法快速准确地分割灰度不均匀图像的问题，提出了一种基于窄带约束的几何活动轮廓模型灰度不均匀图像局部分割方法。

本发明的核心技术方案为构建窄带和构造能量函数。构建窄带的步骤如下：(1)首先利用基于粒子群阈值分割方法对灰度不均匀图像进行分割，得到一个粗分割结果；(2)计算粗分割结果得到的目标轮廓线上每点的局部邻域内外灰度均值的差的绝对值，根据内外灰度均值差的绝对值大小设定形态学算子半径；(3)由以上得到的形态学算子半径对粗分割结果进行形态学膨胀操作，得到图像分割的窄带计算区域。通过改变形态学算子半径大小控制窄带的宽度，不仅提高了窄带的稳定性，还优化了曲线进化的能量计算区域，大大提高了进化精度和效率。构建的能量函数：通过自适应系数加权将全局项(CV模型)和局部项(LGDF模型)相结合提出的。本发明以演化曲线上各点局部邻域内部灰度均值与演化曲线内部整体灰度均值的差的绝对值的均值作为权重系数，可以实现全局项和局部项之间的自适应调整，提高对灰度不均匀图像分割的鲁棒性。

本发明的具体实现过程包括以下步骤：

步骤1：读入目标图像I，对图像进行去噪处理；

步骤2：根据基于粒子群阈值分割方法得到粗分割结果；

步骤3：计算粗分割结果目标轮廓线上每点的局部邻域的内外灰度均值差的绝对值，根据绝对值的大小设置每点的形态学算子半径。

步骤4：获得曲线演化计算区域，根据步骤3中设定的形态学算子半径对粗分割结果进行形态学膨胀运算，最终得到的区域就是曲线演化计算区域。

步骤5：在步骤4中得到的演化区域内设置初始轮廓。

步骤6：构建主动轮廓模型的能量泛函，以演化曲线上各点局部邻域内部灰度均值与演化曲线内部整体灰度均值的差的平方的均值作为权重系数将全局能量项(CV模型)和局部能量项(LGDF模型)结合起来构建主动轮廓模型的能量泛函。

步骤7：根据变分法求得能量泛函的梯度下降流。

步骤8：根据步骤7中得到的梯度下降流偏微分方程对曲线进行演化，判断算法是否收敛，若收敛或达到最大迭代次数则停止演化，显示最终的分割结果。

本发明优势在于构建的窄带最大程度的容纳有效区域同时屏蔽背景中的干扰区域，促进曲线正确高效地进化，并且改进的能量函数提高了本发明对灰度不均匀图像分割的鲁棒性。

附图说明

图1是窄带构建示意图。

图2是局部邻域曲线内外部灰度计算区域示意图。