[发明专利]一种基于区域型变分水平集的图像分割方法

权利要求书

1.一种基于区域型变分水平集的图像分割方法，其特征在于，包括：

构建分割模型的总能量泛函表达式，所述总能量泛函表达式由演化曲线内部保真项、演化曲线外部保真项及正则项之和构成；

将总能量泛函表达式代入欧拉公式，引进时间变量，利用梯度下降法获得最小化总体能量泛函，得到水平集函数公式；

利用该水平集函数公式对半导体硅片图像进行分割；

所述总能量泛函表达式为：

其中，为保真项，使得演化曲线尽可能接近目标边界，为曲线内部的保真项，其中c_1i为曲线内部拟合值；为曲线外部保真项，c₂曲线外部拟合值；

为正则项，u为其权重系数；

Hε(φ)为正则平滑函数，δε(φ)为函数Hε(φ)的导数，ε为常数，Ω表示图像空间；φ(x,y)表示水平集函数，u₀(x,y)表示图像像素点，为梯度算子，τ_out表示闭合曲线外的图像熵，α₂为常数，D₁、D₂为演化曲线内外权重系数；

将总能量泛函表达式代入欧拉公式，引进时间变量，利用梯度下降法获得最小化总体能量泛函，得到水平集函数公式；

所述利用该水平集函数公式对半导体硅片图像进行分割，具体为：

设置初始化各项参数，以及聚类数目和局部熵窗口大小；

初始化水平集函数；计算聚类中心点值、局部熵信息、D₁、D₂；

计算I、c_1i、c₂；

更新水平集函数；

判断演化曲线是否稳定，若稳定，则输出零水平集函数；若不稳定，则返回计算聚类中心点值、局部熵信息、D₁、D₂步骤。

2.根据权利要求1所述的图像分割方法，其特征在于，所述c_1i为曲线内部拟合值，具体如下式：

c_1i＝α₁k_i+(1-α₁)I

其中，k_i为第i类聚类中心点值，I为曲线内部原图像经过滤波后的图像信息，α₁为权值，取值范围为0到1。

3.根据权利要求2所述的图像分割方法，其特征在于，所述滤波采用融合水平集曲率与梯度特征的各向异性图像平滑扩散模型，具体如下：

其中，k为水平集曲率，|k|为水平集曲率的模值，div为散度算子，为梯度算子，I₀为演化曲线内部图像，I为I₀与高斯核卷积得到，l为梯度阈值。

4.根据权利要求3所述的图像分割方法，其特征在于，当曲率远大于l时，此时扩散相当于平滑滤波；

在图像的拐点、边缘、尖峰、角点处时，图像的一阶微分量、二阶微分量趋近为零，此时趋近为零，此时扩散在边缘上几乎停止，保护边缘及纹理信息。

5.根据权利要求1所述的图像分割方法，其特征在于，D₁、D₂采用最大绝对均值差，即：在演化曲线内部，D₁＝max|u₀(x,y)-m₁|，m₁为曲线内部的灰度均值；在演化曲线外部，D₂＝max|u₀(x,y)-m₂|，m₂为曲线外部的灰度均值。

6.根据权利要求5所述的图像分割方法，其特征在于，当D₁＞D₂时，演化曲线内部差异大于外部差异，演化曲线收缩向目标边界靠拢；当D₁＜D₂时，演化曲线内部差异小于外部差异，演化曲线扩张向目标边界靠拢。

7.根据权利要求1所述的图像分割方法，其特征在于，所述闭合曲线外的图像熵如下所示：

其中N表示图像中的灰度等级；P_i表示灰度值为i的像素在图像中所占百分比，取值范围为0-1。