[发明专利]基于区域划分和梯度引导的图像多目标分割C-V方法

摘要

本发明公开一种基于区域划分和梯度引导的图像多目标分割水平集C‑V方法，首先通过最大类间方差法快速确定目标边界的大致轮廓，然后以此轮廓线为初始轮廓，以基于梯度引导的多目标分割水平集C‑V模型将图像多目标分割转换为单水平集的演化过程，进而通过自适应的梯度引导来控制轮廓线水平集的演化进程实现对多目标的分割。本发明在考虑图像全局信息的基础上，通过各目标的大致轮廓兼顾了目标的局部特性，有效避免了目标的遗漏现象，并通过梯度引导提高了对目标分割的精度和效率。此外，本发明也克服了传统模型对初始演化曲线的敏感性。

主权项

1.一种基于区域划分和梯度引导的图像多目标分割C‑V方法，其特征在于包括如下步骤：步骤1. 通过最大类间方差法快速确定目标边界的大致轮廓；步骤1.1对图像进行基于最大类间方差法的二值化处理，将目标区域和背景区域进行大致区分，其中“0”区域为大致的背景区域，“1”区域为大致的目标区域；步骤 1.2 对经过二值化处理的图像，通过计算每个像素与其上、下、左、右四个方向相邻像素灰度值的差来确定目标区域的大致轮廓，即如果四个差值中只要有一个不为零，则当前像素的位置即为目标区域的点；步骤2. 以所确定的目标边界的大致轮廓为初始轮廓，将图像目标分割转换为水平集的演化过程；步骤 3设待分割图像的区域经目标区域划分后被分割为N个互不相交的目标区域和一个背景区域，即有；步骤 4各目标区域轮廓线为初始化曲线C，区域和的平均灰度值分别为和；步骤5.用Lipschitz函数的零水平集来表示初始化曲线：，定义和函数如下：                      (1)其中ε为权值参数，由公式(1)知，当ε趋近于0时，函数和分别逼近于Heaviside函数和Dirac函数，对应N个目标的能量泛函可表示为：     (2)其中，, 是权重系数, 为基于梯度的目标边缘引导函数，当式(2)达到能量最小值时，即N个目标的分割结果。