[发明专利]基于双权重符号压力函数的活动轮廓图像分割方法

权利要求书

1.一种基于双权重符号压力函数的活动轮廓图像分割方法，其特征在于，包括以下步骤：

步骤S1，输入获取的待分割的原始图像；并初始化活动轮廓模型的参数及设定初始轮廓；

输入原始图像，并计算各像素点灰度值，记做I(x)，x为图像域Ω中的像素点；初始化活动轮廓模型的参数，并设定初始轮廓；

步骤S2，计算全局灰度项以及勒让德多项式，得到基于双权重的符号压力函数；计算边缘停止函数

基于双权重的符号压力函数为：

其中I(x)为图像域中像素点的灰度值，为勒让德项，为全局灰度项，w₁为勒让德项在符号压力函数中所占的权重，w₂为全局灰度项在符号压力函数中所占的权重；

所述勒让德项以及全局灰度项的计算公式如下所示：

其中P(x)为勒让德多项式向量，η用来调整内部与外部所占的权重；为轮廓线内部区域勒让德多项式系数向量的闭式解，为轮廓线外部区域勒让德多项式系数向量的闭式解，c₁为轮廓线内部的平均灰度值，c₂为轮廓线外部的平均灰度值；上述4个变量c₁，c₂与的计算公式如下所示：

其中，n₁(x)＝H_ε((x))，n₂(x)＝1-H_ε((x))；

其中，M表示k×k的单位矩阵，K和L表示k×k的格里姆矩阵，λ₁与λ₂为两个常数，使用默认值；ε为预设参数；H_ε()为海氏函数；

所述边缘停止函数由分数和指数形式组成，计算公式如下所示：

其中x和y表示像素点，表示标准差为δ的高斯核函数G_δ与待分割图像I的卷积运算，为梯度算子；

步骤S3，使用梯度下降算法对活动轮廓模型的能量函数进行数值求解，得到所对应的梯度流方程以进行分割曲线的迭代，得到新时刻水平集函数；

所述能量函数的数值求解过程为先计算获得梯度流方程再对梯度流方程进行数值迭代运算，其梯度流方程如下所示：

其中，α，μ为预设的常数项，t为时间，表示曲率；

步骤S4，对步骤S3得到的新时刻水平集函数进行二值化惩罚以及高斯滤波的正则化处理；

步骤S41，当新时刻水平集函数ⁱ⁺¹0时，ⁱ⁺¹＝1；ⁱ⁺¹≤0时，ⁱ⁺¹＝-1；

步骤S42，用高斯滤波正则化水平集函数ⁱ⁺¹，ⁱ⁺¹＝ⁱ⁺¹*G_δ；

步骤S5，判断曲线是否继续迭代，若满足收敛条件，停止迭代，完成图像分割；若不满足收敛条件，则执行步骤S2，进行下一次迭代；

数值迭代运算的收敛条件为：

其中Γ为预设像素点个数阈值，length(·)用来计算的长度，i+1为迭代次数。

2.根据权利要求1所述的基于双权重符号压力函数的活动轮廓图像分割方法，其特征在于，所述边缘停止函数为单调递减的非负函数。