[发明专利]一种多目标图像的分割方法

权利要求书

1.一种多目标图像的分割方法，其特征在于，包括：

S1、建立基于稀疏信号的图像特征描述子；

S2、采用基于插值小波的EMD距离对图像的特征距离进行描述，定义更精确的图像特征插值小波EMD距离；其中，采用动态区间插值Shearlet理论对EMD距离进行逼近；同时，选择支撑区间和光滑度不同的费伯-史考德小波、香农-加伯小波、多贝西小波的自相关函数分别对自然图像和目标物的特征分布进行逼近；

S3、采用插值小波EMD距离作为图像区域相似性的测度，建立图像分割变分模型；

S4、确定对图像分割结果的约束条件，并将图像分割变分模型与分割结果的约束条件表示为非线性规则；

S5、构造图像分割同伦优化模型，使得迭代求解造成的图像特征误差得到补偿，从而实现目标物图像的可控分割；

所述图像分割同伦优化模型的计算方法包括：

首先，利用小波精细积分法对小波框架下的图像分割变分模型进行求解；其次，采用Bregman迭代算法求解全变差框架下的同伦变分模型；

所述图像分割同伦优化模型的计算方法进一步包括：

以插值小波作为稀疏表示基，设计对应的低维测量矩阵，得到输入图像信号的低维稀疏空间表达；

利用低维信息进行图像处理，重构图像分割联合数值模型；

构建同伦模型求解的图割法，并以此构建小波框架下的图像分割变分同伦模型的迭代求解方法。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1进一步包括：

在Beltrami模型框架下建立基于稀疏信号的图像特征描述子，将插值小波作为稀疏基。

3.根据权利要求1所述的方法，其特征在于，所述图像分割变分模型利用非负矩阵分解对图像进行分割，并且采用与CV模型类似的能量函数：

E(Σ)＝EMD(P_Σin,P_f)+EMD(P_Σout,P_f)

其中，EMD(P_Σin,P_f)表示基于P_f和P_Σin之间的EMD距离定义的能量，EMD(P_Σout,P_f)表示基于P_f和P_Σout之间的EMD距离定义的能量，E(Σ)是以上两者能量之和；P_Σin表示目标区域内图像特征向量，P_f表示目标物特征向量，P_Σout表示目标区域外图像特征向量。

4.根据权利要求1所述的方法，其特征在于，所述非线性规则为：

min f(x),

s.t.h(x)＝0,g(x)≤0

其中，f(x):h(x):g(x):

f(x)是目标函数,表示图像分割变分模型；

h(x)是等式约束函数,对应图像目标轮廓的水平集函数；

g(x)是不等式约束函数,对应图像目标内外区域的水平集函数；

s.t.是数学符号,表示“受约束于”；

x表示图像像素向量；

表示实数集合；

表示n维实数向量空间；

表示p维实数向量空间；

表示m维实数向量空间，

5.根据权利要求2所述的方法，其特征在于，所述插值小波为对称波。