基于自適應(yīng)參數(shù)的水平集圖像分割方法
【專利摘要】本發(fā)明公開一種基于自適應(yīng)參數(shù)的水平集圖像分割方法，主要解決水平集圖像分割算法中曲面演化方程中各項參數(shù)需要提前預(yù)設(shè)的問題。其實現(xiàn)步驟為：(1)輸入待分割圖像；(2)設(shè)定時間步長，給定迭代次數(shù)；(3)對輸入圖像進行高斯濾波處理；(4)將自適應(yīng)參數(shù)加入到水平集演化方程中取代原有的參數(shù)常量；(5)開始水平集迭代運算；(6)判斷迭代次數(shù)是否帶到上限或收斂；(7)判斷是否達到終止條件，未達到則返回步驟(5)，否則，輸出分割結(jié)果圖。本發(fā)明具有用時短，分割結(jié)果準確、穩(wěn)定的優(yōu)點，可用于圖像增強、模式識別、目標跟蹤等【技術(shù)領(lǐng)域】中。
【專利說明】基于自適應(yīng)參數(shù)的水平集圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理領(lǐng)域，可用于圖像分割、模式識別、目標跟蹤等【技術(shù)領(lǐng)域】，特別涉及水平集方法在圖像分割領(lǐng)域中的應(yīng)用。
【背景技術(shù)】
[0002]圖像分割是圖像處理與計算機視覺領(lǐng)域中的一個最為基礎(chǔ)和重要步驟。圖像分割是指根據(jù)圖像的灰度、色彩、紋理等特征將輸入圖像分割為一些獨立的區(qū)域，使同一區(qū)域具有相同的屬性，在不同的區(qū)域具有不同的屬性，從而使得目標區(qū)域能被從圖像中分離出來。圖像分割的應(yīng)用范圍廣泛，凡是屬于需要對圖像目標進行提取、測量的工作都離不開圖像分割。在智能交通領(lǐng)域中，圖像分割已廣泛應(yīng)用于車牌的定位和生產(chǎn)；在醫(yī)學(xué)領(lǐng)域，圖像分割應(yīng)用于腦圖像、心臟圖像、細胞圖像分割；在遙感領(lǐng)域，圖像分割應(yīng)用于對圖像中海岸線的分割。
[0003]對于圖像分割問題，研究者已經(jīng)提出了很多方法，但是鑒于圖像種類多、數(shù)據(jù)量大、變化多端的特點，目前尚沒有一種圖像分割的方法能適用于所有的情況。
[0004]水平集方法是一種傳統(tǒng)的圖像分割方法，該方法將圖像空間中的二維曲線嵌入到三維空間中，借助三維空間曲面的進化隱含的求解曲線的進化。由于曲面運動相關(guān)的信息和曲面運動本身的情況都包含在水平集函數(shù)中，所以水平集方法能夠很容易處理曲線拓撲結(jié)構(gòu)的變化，因此被廣泛應(yīng)用于各種曲線，表面的演化問題。
[0005]但是由于水平集進行的是演化后的三維運算，因此算法復(fù)雜度高。運算時間較長。初始化的時候必須設(shè)置參數(shù)，這需要花費大量訓(xùn)練時間，而且會降低曲線收斂速度。
[0006]由于上述傳統(tǒng)水平集方法的圖像分割方法存在的缺點限制了水平集算法在圖像分割方面的應(yīng)用，因此，研究一種行之有效的圖像分割方法是本【技術(shù)領(lǐng)域】科技人員的當務(wù)之急。
【發(fā)明內(nèi)容】
[0007]本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出一種基于自適應(yīng)系數(shù)模型的水平集圖像分割方法，以實現(xiàn)在不預(yù)設(shè)參數(shù)的情況下，大大了減少訓(xùn)練時間，既提高了收斂速度，又能在圖像分割中得到良好的結(jié)果，使得圖像分割結(jié)果更穩(wěn)定、邊緣更加平滑。
[0008]本發(fā)明的技術(shù)方案是設(shè)一組自適應(yīng)系數(shù)分別取代原來在演化方程中區(qū)域項及邊界項的系數(shù)，使得區(qū)域項和邊界項的權(quán)重為一個動態(tài)的自適應(yīng)過程，演化曲線在遠離目標區(qū)域的時候希望區(qū)域項收斂速度快因而需要此項的系數(shù)權(quán)重大，而在靠近目標區(qū)域時平滑項需要使得分割圖像的邊緣更加平滑所以此時此項系數(shù)的權(quán)重大一些。這一過程在不提高時間步長的情況下，提高了演化方程的收斂速度，并取得了很好的分割效果。并且不需要通過設(shè)置系數(shù)，避免了系數(shù)的不適當取值造成分割效果不理想，減少了訓(xùn)練時間，從而得到新的圖像分割方法。
[0009]本發(fā)明的技術(shù)方案是，基于自適應(yīng)參數(shù)的水平集圖像分割方法，其特征包括如下步驟:
[0010]本發(fā)明的具體實現(xiàn)步驟如下:
[0011]步驟1:讀入待分割圖像；
[0012]步驟2:設(shè)定時間步長和迭代次數(shù)以及距離正則項權(quán)重系數(shù)；
[0013]步驟3:對圖像進行預(yù)濾波處理，采用高斯濾波從而保持圖像細節(jié)，抑制噪聲；
[0014]步驟4:初始化水平集函數(shù)，此時的水平集函數(shù)為初始水平集函數(shù)Φ。；
[0015]步驟5:設(shè)定自適應(yīng)參數(shù)為?7= 1.，其中，將自適應(yīng)參數(shù)Π，I加入到水平集
\C[ Llf
演化方程，分別為區(qū)域項和邊界項的的權(quán)重系數(shù)；
[0016]步驟6:開始進行水平集迭代運算；
[0017]步驟7:判斷迭代次數(shù)是否達到上限，滿足迭代終止條件則結(jié)束。
[0018]本發(fā)明的優(yōu)點是:傳統(tǒng)水平集圖像分割方法需要對演化方程的參數(shù)需要預(yù)設(shè)置，而這一訓(xùn)練過程需要花費研究者大量時間。參數(shù)設(shè)置不合適會直接影響到圖像的分割效果，為了克服這一不足，I)本發(fā)明大量減少了訓(xùn)練時間，所以大大方便了對水平集知識了解較少的用戶使用本發(fā)明；2)本發(fā)明由于采用自適應(yīng)參數(shù)，因此在每一次迭代過程中系數(shù)都產(chǎn)生變化，達到全局優(yōu)化的效果，提高了收斂速度。不論是視覺效果還是分割時間都優(yōu)于傳統(tǒng)水平集圖像分割方法。
【專利附圖】
【附圖說明】
[0019]圖1基于自適應(yīng)參數(shù)的水平集圖像分割方法的流程框圖；
[0020]圖2對待分割圖像進行高斯濾波預(yù)處理的流程圖；
[0021]圖3初始化水平集函數(shù)的流程圖；
[0022]圖4設(shè)置自適應(yīng)參數(shù)η的流程圖；
[0023]圖5待分割的自然圖像2 ;
[0024]圖6用本發(fā)明方法對圖5進行圖像分割得到的初始化水平集函數(shù)圖；
[0025]圖7仿真實驗結(jié)果圖。
【具體實施方式】
[0026]基于自適應(yīng)參數(shù)的水平集圖像分割方法，其關(guān)鍵步驟是設(shè)置自適應(yīng)參數(shù)，由于參數(shù)設(shè)置的原則為:當水平集進化曲線遠離目標區(qū)域時，希望區(qū)域項收斂速度快，因此區(qū)域項在曲線開始收斂時所占權(quán)重較大，反之當進化曲線接近目標區(qū)域時，希望邊界項能使待分割圖像的邊緣更加平滑，此時邊界項權(quán)重大，因此需要根據(jù)此原則來設(shè)置自適應(yīng)參數(shù)。
[0027]參照圖1，本發(fā)明的具體實現(xiàn)步驟如下:
[0028]步驟1:選擇待分割圖像；
[0029]步驟2:設(shè)定時間步長、迭代次數(shù)、距離正則項權(quán)重系數(shù)以及曲率方程參數(shù)；優(yōu)選
0.2
地，時間步長At設(shè)為5 ;迭代次數(shù)為500代；距離正則項權(quán)重系數(shù)= I.曲率方程參數(shù)ε設(shè)為1.5。
[0030]步驟3:對待分割圖像進行預(yù)處理 ，以保持細節(jié)抑制噪聲，得到待分割圖像的梯度圖；
[0031 ] 優(yōu)選地，預(yù)濾波采用高斯濾波。
[0032]3a)對待分割圖像進行高斯濾波去噪處理即利用卷積運算掃描待分割圖像中的各個像素點，用鄰域內(nèi)的像素加權(quán)平均灰度值代替卷積運算中心點的像素值；
[0033]3b)由3a)我們可以得到線性平滑濾波后的圖像，標記為Image smooth ；
[0034]3c)求圖像Image smooth的梯度圖，得到的梯度圖即為通過高斯濾波后的圖像。
[0035]步驟4:初始化水平集函數(shù)，我們將t = O時刻的水平集函數(shù)成為初始水平集函數(shù)；
[0036]4a)求解邊界指示函數(shù)g ；
【權(quán)利要求】
1.一種基于自適應(yīng)參數(shù)的水平集圖像分割方法，包括如下步驟: 步驟1:讀入待分割圖像； 步驟2:設(shè)定時間步長和迭代次數(shù)以及距離正則項權(quán)重系數(shù)； 步驟3:對圖像進行預(yù)濾波處理，采用高斯濾波從而保持圖像細節(jié)，抑制噪聲； 步驟4:初始化水平集函數(shù)，此時的水平集函數(shù)為初始水平集函數(shù)(K ； 步驟5:設(shè)定自適應(yīng)參數(shù)為η，其中
，將自適應(yīng)參數(shù)Π，
加入到水平集演化方程，分別為區(qū)域項和邊界項的的權(quán)重系數(shù)； 步驟6:開始進行水平集迭代運算； 步驟7:判斷迭代次數(shù)是否達到上限，滿足迭代終止條件則結(jié)束。
2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)參數(shù)的水平集圖像分割方法，其中，步驟2具體包括: (2a)時間步長Δ t設(shè)為5 ;迭代次數(shù)為500代；
(2b)距離正則項權(quán)重系
；
(2c)曲率方程參數(shù)ε設(shè)為1.5。
3.根據(jù)權(quán)利要求1所述的基于自適應(yīng)參數(shù)的水平集圖像分割方法，其中，對圖像進行預(yù)濾波處理，采用高斯濾波從而保持圖像細節(jié)，抑制噪聲采用以下方法: (3a)利用卷積運算掃描圖像中的各個像素點，用鄰域內(nèi)的像素加權(quán)平均灰度值代替卷積運算中心點的像素值； (3b)得到線性平滑濾波后的圖像標記為Image smooth ； (3c)求濾波后待分割圖像Image smooth的梯度圖。
4.根據(jù)權(quán)利要求1所述的基于自適應(yīng)參數(shù)的水平集圖像分割方法，其中，初始化水平集函數(shù)具體包括: (4a)求解邊界指示函數(shù)g ；
其中f為步驟2中所求的梯度圖的像素點的坐標值得平方和: f = Ix2+Iy2 (2) (4b)設(shè)常數(shù)Ctl為2，初始水平集函數(shù)為128*128維全I矩陣與Ctl的乘積，初始水平集函數(shù)為二值函數(shù)； (4c)在初始化水平集函數(shù)上設(shè)定兩個邊長為5，值為-Ctl的長方體，此時的初始化水平集函數(shù)即為符號距離水平集函數(shù)Φ，目標區(qū)域內(nèi)Φ >0，反之目標區(qū)域外Φ <0; (4d)此方法為非重復(fù)初始化方法，因此在每次迭代過程中不需要對水平集函數(shù)進行重復(fù)初始化操作，初始化水平集函數(shù)算法結(jié)束。
5.根據(jù)權(quán)利要求1所述的基于自適應(yīng)參數(shù)的水平集圖像分割方法，其中，設(shè)置區(qū)域項和邊界項的的權(quán)重系數(shù)具體包括: 當水平集進化曲線遠離目標區(qū)域時，希望區(qū)域項收斂速度快，因此區(qū)域項在曲線開始收斂時所占權(quán)重較大，反之當進化曲線接近目標區(qū)域時，希望邊界項能使待分割圖像的邊緣更加平滑，此時邊界項權(quán)重大；
(5a)設(shè)區(qū)域項自適應(yīng)參
，C2分別表示待分割圖像邊界內(nèi)和邊界外
的均值； (5b) C1, C2表達式如下:
(4)苴中Uo(X)y)為待分割
圖像的目標區(qū)域，H為Heaviside函數(shù)
(5c)此時水平集進化方程為
其中 g為邊界指示函數(shù)，δ為Dirac函數(shù)； 此時水平集迭代公式為
At為時間步長，1{φΙ)為水平集演化方程(5)等式右邊的近似值。
【文檔編號】G06T7/00GK104166991SQ201410360902
【公開日】2014年11月26日 申請日期:2014年7月28日 優(yōu)先權(quán)日:2014年7月28日
【發(fā)明者】公茂果, 馬文萍, 呂婧, 馬晶晶, 劉芳, 武越, 李豪, 張翔 申請人:西安電子科技大學(xué)