[发明专利]基于显著感知先验的模糊区域活动轮廓分割模型

权利要求书

1.一种基于显著感知先验的模糊区域型活动轮廓分割模型，其能量泛函由区域型模糊项和显著感知先验项构成；区域性模糊项E^img定义如下：

E^img(u)＝λ∫_Ω[u(x)]^m(S(x)-c₁)²dx+λ∫_Ω[1-u(x)]^m(S(x)-c₂)²dx

其中，λ是大于0的权重系数，Ω为图像域，c₁和c₂是图像像素均值，u(x)是模糊成员函数，m是权重幂指数，可取值为1或2，S(x)为局部区域图；为简化计算，假设I(x)是输入图像，为尺度为r₁方差σ₁的图像高斯卷积特征图，其中为尺度为r₁方差σ₁的图像高斯函数；图像灰度值c₁和c₂定义如下：

显著感知先验项定义如下：

E^sal(u)＝α∫_Ωg(h(x)-s₁)²·[u(x)]^mdx+α∫_Ωg(h(x)-s₂)²·[1-u(x)]^mdx

其中，α是大于0的权重系数，s₁和s₂是显著特征图像素均值，h(x)为显著性检测函数，其定义为I_u是图像的区域特征均值，是尺度为r₂方差σ₂的高斯核函数，g是边缘检测算子，其算子定义如下：

其中，g是奇数行为N的方阵，▽d_i为当前点到邻近点的距离，K是矩阵元素个数；显著特征图像素均值s₁和s₂定义为：

因此，分割模型的能量函数表达式如下：

2.根据权利要求1所述的基于显著感知先验的模糊区域型活动轮廓分割模型，为了计算能量泛函的差值ΔE，假设P是为图像中某一像素点，对应的局部特征图灰度值为s₀和隶属度为u₀，对应的图像灰度值为h₀；相应地，对同一固定点P的新隶属度为u_n，能量泛函的变化值ΔE计算公式如下：

其中t₁＝∑_Ω[u(x)]^m和t₂＝∑_Ω[1-u(x)]^m，λ和α为大于0的权重系数，g是边缘检测算子，新灰度值和显著特征图的新像素值和以及u_n(x)定义如下：

具体实施步骤如下：

(1)输入分割图像，设置初始化参数：权重系数λ和α，最大迭代次数，边缘检测算子g；

(2)初始化水平集函数：目标区域u₀(x)＞0.5，背景区域u₀(x)＜0.5；

(3)根据公式计算区域显著性特征图，并计算图像的新灰度值和显著特征图的新像素值和

其中t₁＝∑_Ω[u(x)]^m和t₂＝∑_Ω[1-u(x)]^m；

(4)计算隶属度函数u_n(x)，并更新对应的新灰度值和显著特征图的新像素值和

(5)根据如下公式计算某一像素点P能量变化差值，如果ΔE＞0，用u_n值代替u₀，否则保持u₀原始值不变：

其中，λ和α为大于0的权重系数，g是边缘检测算子；

(6)用Jacobi迭代重复计算所有像素的能量变化值，一次迭代过程结束；

(7)重复步骤(4)-(6)直至循环结束。