一種基于c-v和rsf模型的ct圖像裂紋分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像分割技術(shù)領(lǐng)域,涉及一種基于C-V和RSF模型的CT圖像裂紋分割 方法。
【背景技術(shù)】
[0002] 圖像分割屬于圖像預(yù)處理范疇,也是圖像處理的一個(gè)重要環(huán)節(jié),裂紋分割主要是 對(duì)CT圖像裂紋區(qū)域進(jìn)行分割。在工業(yè)CT圖像中,往往是所獲取的圖像數(shù)據(jù)包含了大量的 背景區(qū)域,而對(duì)于裂紋部分,往往只占有較小的比重。在工業(yè)CT圖像中,背景區(qū)域與工件區(qū) 域灰度差別很大,裂紋包含在工件區(qū)域內(nèi)部,且兩者的灰度差別較小,因此分割CT圖像裂 紋相當(dāng)困難。
[0003] 發(fā)展到現(xiàn)在,許多學(xué)者提出了各種各樣的圖像分割方法,歸納起來(lái)主要包括以下 四種:基于邊緣檢測(cè)的分割算法、基于閾值的分割算法、基于聚類的分割算法和基于能量泛 函的分割算法。其中,基于能量泛函的圖像分割最近發(fā)展非常迅速,成為當(dāng)前圖像分割的研 究熱點(diǎn)之一。
[0004] 最早的基于能量泛函的分割方法是活動(dòng)輪廓模型(或稱為Snake模型),活動(dòng)輪廓 模型進(jìn)行圖像分割的基本思想是引入一個(gè)服從圖像本身約束條件的演化曲線,初始演化曲 線位于目標(biāo)區(qū)域周?chē)?,按照約束條件開(kāi)始演化,直到達(dá)到能量泛函最小值時(shí),同時(shí)也是目標(biāo) 區(qū)域邊緣時(shí),曲線停止演化,得到目標(biāo)區(qū)域。
[0005] Mumford和Shah于1989年提出了Mumford-Shah模型,這個(gè)幾何活動(dòng)輪廓模型是 一個(gè)基于區(qū)域的能量泛函模型,該模型泛函描述了圖像中區(qū)域和邊界的描述,由圖像本身 數(shù)據(jù)的作用才促成曲線的演化,獲得圖像的目標(biāo)區(qū)域及其邊界。在該模型的基礎(chǔ)之上,Chan 和Vese在2001年提出了C-V模型,這是一種無(wú)邊緣的活動(dòng)輪廓模型,它是建立在圖像由兩 個(gè)同質(zhì)區(qū)域目標(biāo)和背景組成的基礎(chǔ)之上的模型。與原來(lái)的模型相比,他不再依賴于圖像的 局部梯度,
[0006] C-V模型是通過(guò)假定圖像僅含兩個(gè)同質(zhì)區(qū)域,利用兩個(gè)區(qū)域間平均灰度值的差別 來(lái)進(jìn)行分割的,且定位準(zhǔn)確。但是,由于CT圖像中的細(xì)小裂紋區(qū)域包含在工件區(qū)域中,和工 件幾乎融為一體,采用C-V模型很難將它們分割出來(lái)。C-V模型雖然具有計(jì)算復(fù)雜性低、抗 噪性強(qiáng)以及對(duì)初始輪廓不敏感等優(yōu)點(diǎn),但由于它依賴于待分割區(qū)域的灰度同質(zhì)性,因此無(wú) 法處理灰度不均圖像。為了更有效地解決C-V模型無(wú)法處理灰度不均圖像的分割問(wèn)題,李 純明博士提出了RSF模型,RSF模型把C-V模型的全局二值擬合能量泛函改為以高斯函數(shù) 為核函數(shù)的局部尺度可變擬合能量定義的能量泛函,然而,RSF模型對(duì)初始輪廓位置比較敏 感,單獨(dú)采用RSF模型分割CT圖像裂紋很容易陷入局部極小值的問(wèn)題。
【發(fā)明內(nèi)容】
[0007] 有鑒于此,本發(fā)明的目的在于提供一種基于C-V和RSF模型的CT圖像裂紋分割方 法,該方法在圖像處理時(shí)可以根據(jù)情況調(diào)整兩個(gè)模型參數(shù)大小,具有操作簡(jiǎn)單、快速、精確 等特點(diǎn)。
[0008] 為達(dá)到上述目的,本發(fā)明提供如下技術(shù)方案:
[0009] -種基于C-V和RSF模型的CT圖像裂紋分割方法,該方法包括以下步驟: _〇] S101 :運(yùn)用C-V模型對(duì)圖像進(jìn)行預(yù)分割,得到工件外圍輪廓曲線小CT;
[0011]S102:根據(jù)C-V模型的輪廓曲線小CT,算出輪廓線內(nèi)部的平均灰度&(小w);查找輪 廓線、外的區(qū)域坐標(biāo),調(diào)整輪廓曲線$ 所有像素點(diǎn)的灰度值,使得輪廓線$ w外像素 點(diǎn)灰度C2 (x)等于Q,調(diào)整后得到新的圖像u2;
[0012]S103:運(yùn)用RSF模型對(duì)缺陷圖112進(jìn)行分割,得到裂紋分割結(jié)果。
[0013] 進(jìn)一步,所述S101具體包括以下步驟:
[0014] 1)設(shè)uQ為待分割圖像,Q為圖像區(qū)域,C為Q上的一個(gè)演化曲線,C內(nèi)部區(qū)域?yàn)??,c外部區(qū)域是DVco,《為一個(gè)開(kāi)區(qū)域,如以下公式所示:
[0015]
【主權(quán)項(xiàng)】
1. 一種基于c-v和RSF模型的CT圖像裂紋分割方法,其特征在于:該方法包括以下步 驟: 5101 :運(yùn)用C-V模型對(duì)圖像進(jìn)行預(yù)分割,得到工件外圍輪廓曲線小CT; 5102 :根據(jù)C-V模型的輪廓曲線(tCT,算出輪廓線內(nèi)部的平均灰度&($^ ;查找輪廓線 4>c;v外的區(qū)域坐標(biāo),調(diào)整輪廓曲線〇<外所有像素點(diǎn)的灰度值,使得輪廓線cv外像素點(diǎn)灰 度C2 (x)等于Q($CT),調(diào)整后得到新的圖像u2; 5103 :運(yùn)用RSF模型對(duì)缺陷圖112進(jìn)行分割,得到裂紋分割結(jié)果。
2. 根據(jù)權(quán)利要求1所述的一種基于C-V和RSF模型的CT圖像裂紋分割方法,其特征在 于:所述S101具體包括以下步驟: 1) 設(shè)叫為待分割圖像,Q為圖像區(qū)域,C為Q上的一個(gè)演化曲線,C內(nèi)部區(qū)域?yàn)椤?,C 外部區(qū)域是,《為一個(gè)開(kāi)區(qū)域,如以下公式所示:
2) 能量函數(shù)F的表達(dá)式為: F(c1;c2,C) =u?Length(C)+v?Area(inside(C)) + 入l/ + 入2Ioutside (C) u〇(x,y)-C212dxdy 其中,]i、v、入丨、入2為各項(xiàng)系數(shù),y彡〇,v彡〇,入丨,入2>〇 ;Length(C)為演化 曲線C的長(zhǎng)度,Area(C)為曲線C內(nèi)部區(qū)域的面積,Cl為圖像h上曲線C包圍內(nèi)部點(diǎn)的 平均灰度;c2為圖像u^曲線C外部區(qū)域點(diǎn)的平均灰度,
3) 引入海維塞德函數(shù)H(z)和狄拉克測(cè)度函數(shù)SJz),
,運(yùn)用水平集進(jìn)行活動(dòng)輪廓模型演化,用未知變量小代替C,將能量函數(shù)規(guī) 范化,能量函數(shù)FE的表達(dá)式為:
4) 通過(guò)推導(dǎo)小的歐拉拉格朗日等式求取F的極小值,下降方向參數(shù)為t,t>0, 4) (0,x,y) = 4>〇(x,y) ;
,5表示邊緣方向的外法線,
表示邊界的法向?qū)?shù),
5)運(yùn)用有限差分的隱式形式來(lái)離散化方程小;設(shè)置迭代次數(shù)n,開(kāi)始演化迭代,C-V演 化結(jié)束時(shí),得到工件外圍輪廓曲線小CT。
3. 根據(jù)權(quán)利要求2所述的一種基于C-V和RSF模型的CT圖 像裂紋分割方法,其特征在于:所述Length(C)的表達(dá)式為:
:所述Area(C)的表達(dá)式為: Area{4> >0} =/fiH(4>(x,y))dxdy。
4. 根據(jù)權(quán)利要求1所述的一種基于C-V和RSF模型的CT圖像裂紋分割方法,其特征在 于:所述S102中的輪廓線內(nèi)部的平均灰度Q(小CT)
5. 根據(jù)權(quán)利要求1所述的一種基于C-V和RSF模型的CT圖像裂紋分割方法,其特征在 于:所述S103具體包括以下步驟: 1) 定義局部能量泛函的表達(dá)式為:
其中,x為u2中任意一點(diǎn),xGQ;AA2>〇為常數(shù),Cl(x),c2(x)為圖像在點(diǎn)x附近區(qū) 域的灰度擬合值,K。(x)為核函數(shù),且滿足非負(fù)單調(diào)遞減,
能量泛函的表達(dá)式為:
2) 加入能量項(xiàng)
,RSF模型轉(zhuǎn)化為如下的能量方程: Fksf(小,Cl,c2) = eKSF(小,Cl,C2) + i! F (?。? 3) 固定小函數(shù),關(guān)于Cl(x),c2(X)對(duì)能量泛函式FKSF求極小值,得到:
幻固定^"^^"^極小化能量泛函式:采用梯度下降法:得到水平集函數(shù)小演化的Euler-Lagrange方程;
其中,e! (x) = /K。(y-x) 11 (x)-Ci(y) 12dy,i= 1,2 ; 5)運(yùn)用有限差分的隱式形式來(lái)離散化此方程,分割出裂紋圖像。
【專利摘要】本發(fā)明涉及一種基于C-V和RSF模型的CT圖像裂紋分割方法,屬于圖像分割技術(shù)領(lǐng)域。該方法主要包括以下步驟:首先運(yùn)用C-V模型對(duì)圖像進(jìn)行預(yù)分割,得到工件外圍輪廓曲線φCV;然后根據(jù)C-V模型的輪廓曲線φCV,算出輪廓線內(nèi)部的平均灰度C1(φCV);查找輪廓線φCV外的區(qū)域坐標(biāo),調(diào)整輪廓曲線φCV外所有像素點(diǎn)的灰度值,使得輪廓線φCV外像素點(diǎn)灰度C2(x)等于C1(φCV),調(diào)整后得到新的圖像u2;最后運(yùn)用RSF模型對(duì)缺陷圖u2進(jìn)行分割,得到裂紋分割結(jié)果。發(fā)明針對(duì)石油巖芯的CT圖像噪聲大、裂紋對(duì)比度低的特點(diǎn),提供一種基于C-V和RSF模型的CT圖像裂紋分割方法,該方法具有操作簡(jiǎn)單,抗干擾、快速、精確等優(yōu)點(diǎn)。
【IPC分類】G06T7-00
【公開(kāi)號(hào)】CN104574430
【申請(qǐng)?zhí)枴緾N201510067124
【發(fā)明人】鄒永寧, 楊瑞娜, 羅驍, 高富強(qiáng), 王玨
【申請(qǐng)人】重慶大學(xué)
【公開(kāi)日】2015年4月29日
【申請(qǐng)日】2015年2月9日