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(kāi)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(xiàng)參數(shù)需要提前預(yù)設(shè)的問(wèn)題。其實(shí)現(xiàn)步驟為：(1)輸入待分割圖像；(2)設(shè)定時(shí)間步長(zhǎng)，給定迭代次數(shù)；(3)對(duì)輸入圖像進(jìn)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(kāi)始水平集迭代運(yùn)算；(6)判斷迭代次數(shù)是否帶到上限或收斂；(7)判斷是否達(dá)到終止條件，未達(dá)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(shí)短，分割結(jié)果準(zhǔn)確、穩(wěn)定的優(yōu)點(diǎn)，可用于圖像增強(qiáng)、模式識(shí)別、目標(biāo)跟蹤等【技術(shù)領(lǐng)域】中。
【專利說(shuō)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(shí)別、目標(biāo)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(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)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(dú)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(biāo)區(qū)域能被從圖像中分離出來(lái)。圖像分割的應(yīng)用范圍廣泛，凡是屬于需要對(duì)圖像目標(biāo)進(jìn)行提取、測(cè)量的工作都離不開(kāi)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(xì)胞圖像分割；在遙感領(lǐng)域，圖像分割應(yīng)用于對(duì)圖像中海岸線的分割。
[0003]對(duì)于圖像分割問(wèn)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(diǎn)，目前尚沒(méi)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(jìn)化隱含的求解曲線的進(jìn)化。由于曲面運(yùn)動(dòng)相關(guān)的信息和曲面運(yùn)動(dòng)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?fù)浣Y(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(wèn)題。
[0005]但是由于水平集進(jìn)行的是演化后的三維運(yùn)算，因此算法復(fù)雜度高。運(yùn)算時(shí)間較長(zhǎng)。初始化的時(shí)候必須設(shè)置參數(shù)，這需要花費(fèi)大量訓(xùn)練時(shí)間，而且會(huì)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(diǎn)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(dāng)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(shí)現(xiàn)在不預(yù)設(shè)參數(shù)的情況下，大大了減少訓(xùn)練時(shí)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(lái)在演化方程中區(qū)域項(xiàng)及邊界項(xiàng)的系數(shù)，使得區(qū)域項(xiàng)和邊界項(xiàng)的權(quán)重為一個(gè)動(dòng)態(tài)的自適應(yīng)過(guò)程，演化曲線在遠(yuǎn)離目標(biāo)區(qū)域的時(shí)候希望區(qū)域項(xiàng)收斂速度快因而需要此項(xiàng)的系數(shù)權(quán)重大，而在靠近目標(biāo)區(qū)域時(shí)平滑項(xiàng)需要使得分割圖像的邊緣更加平滑所以此時(shí)此項(xiàng)系數(shù)的權(quán)重大一些。這一過(guò)程在不提高時(shí)間步長(zhǎng)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(guò)設(shè)置系數(shù)，避免了系數(shù)的不適當(dāng)取值造成分割效果不理想，減少了訓(xùn)練時(shí)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(shí)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(shí)間步長(zhǎng)和迭代次數(shù)以及距離正則項(xiàng)權(quán)重系數(shù)；
[0013]步驟3:對(duì)圖像進(jìn)行預(yù)濾波處理，采用高斯濾波從而保持圖像細(xì)節(jié)，抑制噪聲；
[0014]步驟4:初始化水平集函數(shù)，此時(shí)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(xiàng)和邊界項(xiàng)的的權(quán)重系數(shù)；
[0016]步驟6:開(kāi)始進(jìn)行水平集迭代運(yùn)算；
[0017]步驟7:判斷迭代次數(shù)是否達(dá)到上限，滿足迭代終止條件則結(jié)束。
[0018]本發(fā)明的優(yōu)點(diǎn)是:傳統(tǒng)水平集圖像分割方法需要對(duì)演化方程的參數(shù)需要預(yù)設(shè)置，而這一訓(xùn)練過(guò)程需要花費(fèi)研究者大量時(shí)間。參數(shù)設(shè)置不合適會(huì)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(shí)間，所以大大方便了對(duì)水平集知識(shí)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(guò)程中系數(shù)都產(chǎn)生變化，達(dá)到全局優(yōu)化的效果，提高了收斂速度。不論是視覺(jué)效果還是分割時(shí)間都優(yōu)于傳統(tǒng)水平集圖像分割方法。

【專利附圖】

【附圖說(shuō)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(duì)待分割圖像進(jìn)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(duì)圖5進(jìn)行圖像分割得到的初始化水平集函數(shù)圖；
[0025]圖7仿真實(shí)驗(yàn)結(jié)果圖。

【具體實(shí)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(dāng)水平集進(jìn)化曲線遠(yuǎn)離目標(biāo)區(qū)域時(shí)，希望區(qū)域項(xiàng)收斂速度快，因此區(qū)域項(xiàng)在曲線開(kāi)始收斂時(shí)所占權(quán)重較大，反之當(dāng)進(jìn)化曲線接近目標(biāo)區(qū)域時(shí)，希望邊界項(xiàng)能使待分割圖像的邊緣更加平滑，此時(shí)邊界項(xiàng)權(quán)重大，因此需要根據(jù)此原則來(lái)設(shè)置自適應(yīng)參數(shù)。
[0027]參照?qǐng)D1，本發(fā)明的具體實(shí)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(shí)間步長(zhǎng)、迭代次數(shù)、距離正則項(xiàng)權(quán)重系數(shù)以及曲率方程參數(shù)；優(yōu)選





0.2
地，時(shí)間步長(zhǎng)At設(shè)為5 ;迭代次數(shù)為500代；距離正則項(xiàng)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(duì)待分割圖像進(jìn)行預(yù)處理 ，以保持細(xì)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(duì)待分割圖像進(jìn)行高斯濾波去噪處理即利用卷積運(yùn)算掃描待分割圖像中的各個(gè)像素點(diǎn)，用鄰域內(nèi)的像素加權(quán)平均灰度值代替卷積運(yùn)算中心點(diǎn)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(biāo)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(guò)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(shí)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(shí)間步長(zhǎng)和迭代次數(shù)以及距離正則項(xiàng)權(quán)重系數(shù)； 步驟3:對(duì)圖像進(jìn)行預(yù)濾波處理，采用高斯濾波從而保持圖像細(xì)節(jié)，抑制噪聲； 步驟4:初始化水平集函數(shù)，此時(shí)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(xiàng)和邊界項(xiàng)的的權(quán)重系數(shù)； 步驟6:開(kāi)始進(jìn)行水平集迭代運(yùn)算； 步驟7:判斷迭代次數(shù)是否達(dá)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(shí)間步長(zhǎng)Δ t設(shè)為5 ;迭代次數(shù)為500代；
(2b)距離正則項(xiàng)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(duì)圖像進(jìn)行預(yù)濾波處理，采用高斯濾波從而保持圖像細(xì)節(jié)，抑制噪聲采用以下方法: (3a)利用卷積運(yùn)算掃描圖像中的各個(gè)像素點(diǎn)，用鄰域內(nèi)的像素加權(quán)平均灰度值代替卷積運(yùn)算中心點(diǎn)的像素值； (3b)得到線性平滑濾波后的圖像標(biāo)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(diǎn)的坐標(biāo)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(xiàn)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(gè)邊長(zhǎng)為5，值為-Ctl的長(zhǎng)方體，此時(shí)的初始化水平集函數(shù)即為符號(hào)距離水平集函數(shù)Φ，目標(biāo)區(qū)域內(nèi)Φ >0，反之目標(biāo)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(guò)程中不需要對(duì)水平集函數(shù)進(jìn)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(xiàng)和邊界項(xiàng)的的權(quán)重系數(shù)具體包括: 當(dāng)水平集進(jìn)化曲線遠(yuǎn)離目標(biāo)區(qū)域時(shí)，希望區(qū)域項(xiàng)收斂速度快，因此區(qū)域項(xiàng)在曲線開(kāi)始收斂時(shí)所占權(quán)重較大，反之當(dāng)進(jìn)化曲線接近目標(biāo)區(qū)域時(shí)，希望邊界項(xiàng)能使待分割圖像的邊緣更加平滑，此時(shí)邊界項(xiàng)權(quán)重大；


(5a)設(shè)區(qū)域項(xiàng)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(dá)式如下:

(4)苴中Uo(X)y)為待分割
圖像的目標(biāo)區(qū)域，H為Heaviside函數(shù)
(5c)此時(shí)水平集進(jìn)化方程為
其中 g為邊界指示函數(shù)，δ為Dirac函數(shù)； 此時(shí)水平集迭代公式為
At為時(shí)間步長(zhǎng)，1{φΙ)為水平集演化方程(5)等式右邊的近似值。
【文檔編號(hào)】G06T7/00GK104166991SQ201410360902
【公開(kāi)日】2014年11月26日 申請(qǐng)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(qǐng)人:西安電子科技大學(xué)