[发明专利]基于全局与局部拟合能量的模糊区域型活动轮廓分割模型

摘要

一种基于全局与局部拟合能量的模糊区域型活动轮廓分割模型，主要包括伪水平集函数的定义、全局模糊拟合图像与局部模糊拟合图像的引入、基于L1范式的拟合能量的构建和基于能量泛函变化值更新伪水平集函数的求解过程。在引入全局模糊拟合图像与局部模糊拟合图像基础上，构建基于L1范式的模糊拟合能量，构建了全局数据项和模糊拟合项的凸函数，并通过直接计算能量的变化值来更新伪水平集函数，不仅保证使得分割结果与初始条件无关，还提高了分割模型分割不均匀图像的效果和计算效率。

主权项

1.一种基于全局与局部拟合能量的模糊区域型活动轮廓分割模型，其特征在于：该模型能量泛函由全局数据项和模糊拟合项构成，全局数据项EG定义如下：EG(u,g)＝λ1∫Ω[u(x)]mg(I(x)‑c1)2dx+λ2∫Ω[1‑u(x)]mg(I(x)‑c2)2dx其中，λ1和λ2是大于0的权重系数，c1和c2是图像像素均值，u(x)是模糊成员函数，m是权重幂指数，I(x)是输入图像，g是边缘检测算子，其算子定义如下：其中，为输入图像I(x)的输入算子，G_σ是标准方差为σ的高斯核函数；在模糊拟合项中，首先构建局部模糊拟合图像和全局模糊拟合图像，全局模糊拟合图像(GFFI)定义如下：IGFFI(x)＝[u(x)]mc1+[1‑u(x)]mc2其中，x为像素点，I(x)为图像域，c1和c2为两个全局区域的灰度均值，其表达式如下：u(x)∈[0,1]为伪水平集函数，又称隶属度函数，其定义：其中C为图像域Ω内闭合曲线。局部模糊拟合图像(LFFI)定义如下：ILFFI(x)＝[u(x)]mf1+[1‑u(x)]mf2其中，f1和f2为局部区域像素平均灰度值；图像中任一像素x的局部区域平均灰度值，是指以该像素为中心的矩形区域(2k+1)×(2k+1)，k为正整数，内的两区域(目标和背景)的灰度均值。假设y是独立于x的局部图像域Ωx的像素点，其函数f1和f2定义如下：其中，ωk(x)是标准方差为σ的高斯函数；基于局部模糊拟合图像和全局模糊拟合图像，模糊拟合项EF(u,g)定义如下：EF(u,g)＝α1∫Ωg|I(x)‑ILFFI(x)|dx+α2∫Ωg|I(x)‑IGFFI(x)|dx其中，α1和α2是大于0的权重系数，|·|为L1范式；因此，分割模型的能量函数表达式如下：E(u,g)＝λ1∫Ω[u(x)]mg(I(x)‑c1)2dx+λ2∫Ω[1‑u(x)]mg(I(x)‑c2)2dx      +α1∫Ωg|I(x)‑ILFFI(x)|dx+α2∫Ωg|I(x)‑IGFFI(x)|dx假设P是为图像中某一像素点，对应的灰度值为I0和隶属度为u0；相应地，对同一固定点P的新隶属度为un，具体实施步骤包括如下：(1)输入分割图像，设置初始化参数：权重系数λ1,λ2,α1和α2，最大迭代次数，边缘检测算子矩阵g；(2)初始化水平集函数：目标区域u0(x)＞0.5，背景区域u0(x)＜0.5；(3)计算图像的灰度均值c1和c2，像素的平均灰度均值f1和f2，以及两个拟合图像矩阵ILFFI(x)和IGFFI(x)；其中，I(x)为整个图像域Ω中的输入图像，ωk(x)是标准方差为σ的(2k+1)×(2k+1)矩形区域高斯函数，t1＝∑Ω[u(x)]m和t2＝∑Ω[1‑u(x)]m；(4)计算整个图像域中的模糊拟合项EF(u,g)：EF(u,g)＝α1∑Ωg|I(x)‑ILFFI(x)|+α2∑Ωg|I(x)‑IGFFI(x)|(5)更新如下参数：隶属度函数u_n(x)，图像的灰度均值和像素的平均灰度均值和以及两个拟合图像矩阵和(6)计算更新后的模糊拟合能量：(7)计算整个图像域中的能量变化值；如果ΔE＞0，用un值代替u0，否则保持u0原始值不变；(8)采用高斯滤波函数对伪水平集函数进行光滑和规则化：un(x)＝un(x)*Kξ，其中ξ为标准差，本发明设置ξ＝1.5；(9)重复步骤(3)‑(8)直至循环结束。