[发明专利]一种基于多特征信息融合的水平集红外图像分割方法

权利要求书

1.一种基于多特征信息融合的水平集红外图像分割方法，其特征在于，包括以下步骤：

步骤1、输入待分割红外图像，将轮廓曲线初始化为二值函数；

步骤2、由输入图像求解得到灰度特征图像I、局部熵值特征图像I_en和局部标准差特征图像I_std；

步骤3、求解轮廓内外的全局特征信息和局部特征信息，构建灰度拟合图像I^LFT、熵值拟合图像I_en^LFT和标准差拟合图像I_std^LFT；

步骤4、比较步骤2的特征图像和步骤3的特征拟合图像的相似性差异，分别得到由灰度信息驱动的符号压力函数spf_i、由熵值信息驱动的符号压力函数spf_en和由标准差信息驱动的符号压力函数spf_std，将上述三个函数相加并归一化，获得最终的符号压力函数spf_total；

步骤5、将最终的符号压力函数spf_total代入水平集演化方程φ演化，并用高斯滤波器G_{σ_φ}正则化每次的演化结果，直至方程收敛，输出分割结果。

2.根据权利要求1所述的基于多特征信息融合的水平集红外图像分割方法，其特征在于，步骤1所述的输入待分割红外图像，将轮廓曲线初始化为二值函数，具体如下：

将水平集方程φ初始化为二值函数，轮廓内外的符号相反，其表达式如下：

其中，Ω为输入的二维图像，Ω₀为图像区域的一个子集，为Ω₀的边界；c₀为大于0的常数。

3.根据权利要求1所述的基于多特征信息融合的水平集红外图像分割方法，其特征在于，步骤2所述的由输入图像求解得到灰度特征图像I、局部熵值特征图像I_en和局部标准差特征图像I_std，具体如下：

步骤2.1、将输入图像I的图像进行灰度处理，得到灰度特征图像I(x,y)；

步骤2.2、对于灰度图像I(x,y)中任一像素点(x,y)，以像素点(x,y)为中心点设置9×9大小的局部窗口W_n，局部熵值图像I_en(x,y)为：

式中，L为局部窗口内总的灰度等级数，n_i为灰度值为i的像素点个数，p_i为窗口内灰度值为i的像素出现的概率；

步骤2.3、灰度图像I(x,y)的局部标准差图像I_std(x,y)为：

式中，μ为局部窗口内所有像素点的灰度均值，计算公式为