[发明专利]基于水平集函数的灰度不均匀图像分割方法

摘要

一种基于水平集函数的灰度不均匀图像分割方法，包括以下步骤：构建水平集函数，构造图像分割能量泛函，对水平集函数进行演化，使能量泛函最小化，得到图像分割边界，其中，所述能量泛函包括全局能量统计项、局部能量统计项和能量惩罚项。本发明在C-V模型的基础上，通过引入高斯核函数，充分利用灰度不均匀图像的局部统计信息，优化最小化闭合曲线“能量”泛函，并加入能量惩罚项，保证符号距离函数收敛，避免了费时的重新初始化过程。经实验证明，用本发明方法对灰度不均匀图像进行分割，能够获得清晰、准确的分割结果，能够提高灰度不均匀图像分割的准确性和效率。

主权项

1.基于水平集函数的灰度不均匀图像分割方法，包括以下步骤：构建水平集函数，构造图像分割能量泛函，对水平集函数进行演化，使能量泛函最小化，得到图像分割边界，其特征在于：所述能量泛函包括全局能量统计项、局部能量统计项和能量惩罚项，所述全局能量统计项为EG=λ1·∫Ω1|I-c1|2dxdy+λ2·∫Ω2|I-c2|2dxdy]]>所述局部能量统计项为EL=Σi=12βi·∫ΩiKσ(x-y)|I(y)-fi(x)|2dy]]>所述能量惩罚项为其中，λ₁、λ₂、β₁、β₂、μ、v是曲线演化参数，c₁和c₂分别是轮廓线以内区域和轮廓线以外区域的平均灰度值，I为待分割图像的灰度值，f₁(x)和f₂(x)是逼近轮廓线两侧区域灰度的拟合值，分别为K_σ(·)为高斯核函数，具体见公式σ为标准差，n为尺度因子，为符号距离函数，H(·)是He aviside函数，Ω₁和Ω₂分别表示轮廓线以内和以外的区域，Ω为轮廓线。