[发明专利]基于改进局部信息的CV模型的图像分割方法

摘要

本发明公开了一种基于改进局部信息的模型的图像分割方法，主要解决现有改进CV模型分割灰度不均匀图像效果不理想和基于局部信息的模型对初始化轮廓鲁棒性较低而产生错误分割的问题。实现步骤是输入原始图像，设置初始轮廓；设置默认参数和重要参数；结合全局灰度拟合值和改进核函数的局部灰度拟合值为新的加权目标与背景的灰度拟合值；利用引入惩罚项的CV模型的能量泛函得到梯度下降流；按水平集迭代公式演化水平集函数，通过迭代，输出分割结果。本发明有效分割灰度不均匀图像，增强了对初始轮廓的鲁棒性，更快的收敛到目标轮廓，比其他相关模型，有更高的分割精度和效率，用于人工合成图像，灰度不均匀图像和红外图像分割。

主权项

基于改进局部信息的CV模型的图像分割方法，其特征在于，包括有如下步骤：(1)输入原始图像I，计算其像素点灰度值I(x)，x为图像像素点；(2)设置初始轮廓C，初始轮廓C为图像任意指定的闭合曲线所对应的图像像素点x，由水平集函数φ(x)的零水平集得到：即当水平集函数φ(x)＝0时对应的图像像素点x为初始轮廓C，当φ(x)＞0时对应的图像像素点x为背景区域，当φ(x)＜0时对应的图像像素点x为目标区域；(3)设置时间步长Δt，空间步长h，惩罚项系数μ，正则化参数ε，广义高斯函数的尺度参数α和形状参数β；(4)设置长度项系数v和全局灰度拟合值系数w；长度项系数v＝λ×2552，其中λ∈(0,1)；全局灰度拟合值系数w∈[0,1]；(5)设置迭代次数n，初始化迭代次数n＝0；(6)开始图像迭代分割:(6a)计算原始图像I的全局目标灰度拟合值c1和全局背景灰度拟合值c2，计算原始图像I的局部目标灰度拟合值f1(x)和局部背景灰度拟合值f2(x)；(6b)计算原始图像I的加权目标灰度拟合值m1(x)和加权背景灰度拟合值m2(x)，构建基于改进局部信息的CV模型的目标与背景灰度拟合值；(6c)根据能量泛函得到梯度下降流演化水平集函数φ(x)；(6d)根据水平集迭代公式得到最终的水平集函数φn+1；(7)判断是否达到迭代次数n，是则提取最终的水平集函数φn+1的零水平集为原始图像I的分割结果，否则n＝n+1转第(6)步继续执行迭代过程。