[发明专利]基于全局与局部拟合能量的模糊区域型活动轮廓分割模型

权利要求书

1.一种基于全局与局部拟合能量的模糊区域型活动轮廓分割模型，其特征在于：该模型能量泛函由全局数据项和模糊拟合项构成，全局数据项E^G定义如下：

E^G(u,g)＝λ₁∫_Ω[u(x)]^mg(I(x)-c₁)²dx+λ₂∫_Ω[1-u(x)]^mg(I(x)-c₂)²dx

其中，λ₁和λ₂是大于0的权重系数，x为像素点，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，I(x)是输入图像，g是边缘检测算子，其算子定义如下：

其中，为输入图像I(x)的输入算子，G_σ是标准方差为σ的高斯核函数；

在模糊拟合项中，首先构建局部模糊拟合图像和全局模糊拟合图像，全局模糊拟合图像(GFFI)定义如下：

I^GFFI(x)＝[u(x)]^mc₁+[1-u(x)]^mc₂

其中，c₁和c₂的表达式如下：

u(x)∈[0,1]为伪水平集函数，又称隶属度函数，其定义：

其中C为图像域Ω内闭合曲线；

局部模糊拟合图像(LFFI)定义如下：

I^LFFI(x)＝[u(x)]^mf₁+[1-u(x)]^mf₂

其中，f₁和f₂为局部区域像素平均灰度值；图像中任一像素x的局部区域平均灰度值，局部区域是指以图像中任一像素为中心的矩形区域(2k+1)×(2k+1)，k为正整数；假设y是独立于x的局部图像域Ω_x的像素点，其函数f₁和f₂定义如下：

其中，ω_k(x)是标准方差为σ的高斯函数；

基于局部模糊拟合图像和全局模糊拟合图像，模糊拟合项E^F(u,g)定义如下：

E^F(u,g)＝α₁∫_Ωg|I(x)-I^LFFI(x)|dx+α₂∫_Ωg|I(x)-I^GFFI(x)|dx

其中，α₁和α₂是大于0的权重系数，|·|为L1范式；

因此，分割模型的能量函数表达式如下：

E(u,g)＝λ₁∫_Ω[u(x)]^mg(I(x)-c₁)²dx+λ₂∫_Ω[1-u(x)]^mg(I(x)-c₂)²dx+α₁∫_Ωg|I(x)-I^LFFI(x)|dx+α₂∫_Ωg|I(x)-I^GFFI(x)|dx

假设P是为图像中某一像素点，对应的灰度值为I₀和隶属度为u₀；相应地，对同一固定点P的新隶属度为u_n，具体实施步骤包括如下：

(1)输入分割图像，设置初始化参数：权重系数λ₁,λ₂,α₁和α₂，最大迭代次数，边缘检测算子矩阵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)计算图像的灰度均值c₁和c₂，像素的平均灰度均值f₁和f₂，以及两个拟合图像矩阵I^LFFI(x)和I^GFFI(x)；

其中，I(x)为整个图像域Ω中的输入图像，ω_k(x)是标准方差为σ的(2k+1)×(2k+1)矩形区域高斯函数，t₁＝∑_Ω[u(x)]^m和t₂＝∑_Ω[1-u(x)]^m；

(4)计算整个图像域中的模糊拟合项E^F(u,g)：

E^F(u,g)＝α₁∑_Ωg|I(x)-I^LFFI(x)|+α₂∑_Ωg|I(x)-I^GFFI(x)|

(5)更新如下参数：隶属度函数u_n(x)，图像的灰度均值和像素的平均灰度均值和以及两个拟合图像矩阵和

(6)计算更新后的模糊拟合能量：

(7)计算整个图像域中的能量变化值；

如果ΔE＞0，用u_n值代替u₀，否则保持u₀原始值不变；

(8)采用高斯滤波函数对伪水平集函数进行光滑和规则化：u_n(x)＝u_n(x)*K_ξ，其中ξ为标准差，设置ξ＝1.5；

(9)重复步骤(3)-(8)直至循环结束。