[发明专利]基于超像素和图割优化的水平集图像分割方法

摘要

本发明涉及一种基于超像素和图割优化的水平集图像分割方法，主要解决现有技术对水平集初始位置敏感、分割效率低的问题，其实现步骤如下：1.将待分割图像I分块，得到图像I的超像素表示；2.在每个超像素中选定一个像素点，利用这些像素点构成新图像Is；3.依照Chan-Vese模型，构建新图像Is的水平集能量泛函；4.对构建的水平集能量泛函进行离散化表述；5.使用图割技术优化能量泛函，实现对新图像Is的分割；6.根据新图像Is的分割结果，完成对图像I的分割。本发明加快了图像的分割速度，减小了对水平集进行初始化位置的敏感性，能取得全局最优的分割结果，可用于自然图像、医学图像目标的快速分割与识别。

主权项

一种基于超像素和图割优化的水平集图像分割方法，包括如下步骤：(1)将待分割的图像I分成M块，每一块为一个超像素，得到图像I的超像素SP＝{sp1,…,spk,…,spM}，其中spk表示第k个超像素，k＝1,2,…,M；(2)在每个超像素中各选择一个像素点，利用这M个像素点构成新图像Is；(3)依照Chan‑Vese模型，构建新图像Is的能量泛函ECV，其表示为ECV=λ1∫Ω|Is-cin|2H(φ)dxdy+λ2∫Ω|Is-cout|2(1-H(φ))+μ∫Ωδ(φ)|▿φ|dxdydxdy]]>其中，Ω表示图像域，μ为非负参数，λ1和λ2分别为ECV第一项和第二项的系数，φ表示演化曲线，H(φ)=12+1πarctan(φϵ),δ(φ)=1π11+(φ/ϵ)2,]]>ε为常数且ε→0，cin和cout分别表示闭合曲线的内灰度均值和外灰度均值；(4)对构建的能量泛函ECV进行离散表述，其离散形式如下：ECVd=λ1′Σp|Is-cin|2xp+λ2′Σp|Is-cout|2(1-xp)+μΣp,qwpq(xp(1-xq)+xq(1-xp))]]>其中，λ′1和λ′2分别为离散形式ECV第一项和第二项的系数，xp定义为图像Is中各像素的二值变量，p＝(x,y)∈Ω，φ(p)表示像素点p处的水平集函数的值，xp和xq分别为新图像Is中两个不同像素点p和q的二值变量，若p和q为轴连接，权重wpq＝1，若p和q为对角连接，则权重(5)使用图割技术优化能量泛函，实现对新图像Is的分割：(5.1)初始化水平集的演化曲线；(5.2)根据水平集能量泛函的离散形式计算图的数据项Ep(xp)和光滑项Ep,q(xp,xq)，其表示为：Ep(xp)＝λ3|Is‑cin|2xp+λ4|Is‑cout|2(1‑xp)，Ep,q(xp,xq)＝μwpq(xp(1‑xq)+xq(1‑xp))，其中，λ3和λ4分别为图的数据项Ep(xp)的第一项和第二项的系数；(5.3)利用图的数据项Ep(xp)、光滑项Ep,q(xp,xq)和权重矩阵构建图，通过min‑cut算法获得图的最小割，更新xp的值；(5.4)比较min‑cut算法使用前后的能量大小，如果使用min‑cut算法后的能量小于算法使用前的能量，则返回步骤(5.2)，继续迭代计算；如果两者相等，则停止迭代；(5.5)根据xp的值确定新图像Is中像素点的属性：如果xp＝0，则xp对应的像素点为背景，如果xp＝1，则xp对应的像素点为目标，完成对新图像Is的分割；(6)根据新图像Is的分割结果，完成对待分割图像I的分割。新图像Is中的每个像素点对应待分割图像I中的一个超像素，如果新图像Is中的像素点为背景，则待分割图像I中对应的超像素也为背景，如果新图像Is中的像素点为目标，则待分割图像I中对应的超像素也为目标，从而完成对待分割图像I的分割。