[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

说明书

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，主要包括伪水平集函数的定义、全局模糊拟合图像与局部模糊拟合图像的引入、基于L1范式的拟合能量的构建和基于能量泛函变化值更新伪水平集函数的求解过程。在引入全局模糊拟合图像与局部模糊拟合图像基础上，构建基于L1范式的模糊拟合能量，构建了全局数据项和模糊拟合项的凸函数，并通过直接计算能量的变化值来更新伪水平集函数，不仅保证使得分割结果与初始条件无关，还提高了分割模型分割不均匀图像的效果和计算效率。

技术领域

本发明涉及的是一种图像处理领域中的图像分割方法，具体是一种基于全局与局部拟合能量的模糊区域型活动轮廓(Fuzzy Region-based Active Contour with Localand Global Fitting Energy)分割模型。

技术背景

图像分割是图像处理和机器视觉领域中研究热点之一，其目标是提取图像中的具有相同灰度特性的目标。主动轮廓模型(Active Contour Model)，已成为近年来图像分割领域的研究热点，其优点在于能将模型的初始估计状态和图像数据先验知识统一于特征提取过程中，并能利用分割过程中获得的先验知识来指导分割。经典的区域型Chan-Vese模型(Chan C.F.and Vese L.“Active contours without edges”(无边缘的活动轮廓)，IEEETransition on Image Processing(2001)10(1):266-277)已广泛应用于图像分割领域。但是，该模型在曲线演化过程中周期性初始化水平集函数增加了计算量，且其非凸能量泛函使得分割结果依赖于初始条件。基于模糊区域型的主动轮廓模型(Fuzzy Energy-basedActive Contour)，通过将模糊集引入到区域型能量主动轮廓中，采用快速优化算法直接最小化模糊能量函数，能有限次迭代过程中达到收敛，并避免重新初始化过程。因此，基于模糊区域型能量的活动轮廓模型已成为基于活动轮廓分割模型的研究热点之一。

经对现有技术文献的检索发现，基于区域尺度化拟合模型(Li C.M.,Kao C.Y.,Gore J.C.,and Ding Z.“Minimization of region-scalable fitting energy forimage segmentation”(最小化区域可变拟合能量的图像分割)，IEEE Transition onImage Processing(2008)17:1940-1949)分割灰度不均匀图像，能取得较好的分割结果。局部图像拟合分割模型(Zhang K.，Song H.，Zhang L.“Active contours driven by localimage fitting energy”(基于局部图像拟合的活动轮廓，简称LIF模型)，PatternRecognition(2010)43(4):1199-1206)，通过将局部图像拟合能量引入到活动理论模型中，并采用高斯滤波函数来规则化水平集函数，但该模型分割复杂灰度不均匀图像仍存在噪声干扰问题。而且，这些图像分割模型非凸能量泛函的局部最优解，使得分割结果依赖于的初始化条件。

发明内容

本发明的目的是，通过提出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，主要解决现有区域型活动轮廓模型难以准确分割灰度不均匀图像、其非凸能量泛函使得分割结果依赖于初始条件，并能提高计算效率。

本发明的技术方案：

通过将具有灰度不均匀特性的全局模糊拟合图像(Global Fuzzy Fitted Image)和局部模糊拟合图像(Local Fuzzy Fitted Image)引入到主动轮廓模型中，构建了全局数据项和局部拟合项的严格凸能量泛函，并采用直接计算方法通过计算全局图像的能量变化差值来更新伪水平集(Pseudo Level Set)函数，不仅提高了分割灰度不均匀图像分割效果和计算效率，而且还使得分割结果与初始条件无关。

具体步骤如下：

步骤1：伪水平集函数u定义：