專利名稱：基于簡化的lbf模型的圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)范圍，具體涉及一種可提高圖像分割準確度和分割效率的基于簡化的LBF模型的圖像分割方法。
背景技術(shù)：
圖像分割是圖像處理中的重要任務(wù)之一，其目的是將圖像中感興趣的對象與圖像中的其余部分相分離，以便為更高層次圖像處理服務(wù)。目前有兩個主要的模型基于邊緣信息的分割模型和基于區(qū)域信息的分割模型?；谶吘壍姆指钅Ｐ蜔o法準確分割邊緣模糊或無邊緣的圖像， 而基于全局區(qū)域分割的C-V模型則克服了邊緣模型的缺點。區(qū)域分割模型利用活動輪廓內(nèi)外部區(qū)域的信息排除了部分噪聲的干擾，能處理邊緣模糊或無邊緣的情況，分割目標的內(nèi)部和外部以及多層邊界，并且對于簡單的二值圖像C-V模型可獲得最佳的分割結(jié)果。然而，C-V模型對于紋理細節(jié)處理的能力尚達不到令人滿意的結(jié)果，無法準確分割非同質(zhì)圖像。針對這個問題，國內(nèi)外有很多研究人員設(shè)計了諸多新的模型，較為典型的模型包括分段光滑(Piecewise Smooth, PS)模型,分段常值(Piecewise Constant, PC)模型、局部二值擬合LBF (Local Binary Fitting,以下簡稱LBF)模型，以及邊緣和區(qū)域的結(jié)合模型等。其中，LBF模型是基于局部區(qū)域信息的分割模型，比C-V模型能更好地處理圖像的紋理細節(jié)，處理效果更佳，但是由于處理了局部信息，其分割效率較低，而且對于初始輪廓線的選取也不是很靈活，人工的因素較多?，F(xiàn)有基于偏微分方程的圖像分割方法存在的三個方面不足第一，現(xiàn)有模型只是簡單地利用了圖像的全局信息(簡單的背景和目標)，處理效果較為粗糙；第二，LBF模型某些項(如長度項等)的設(shè)計比較復雜和繁瑣，影響模型的收斂速度；第三，C-V模型水平集函數(shù)的演化需要反復初始化，而LBF模型則需要合理設(shè)計初始輪廓線的位置，這在實際應用中會受到較大限制，實現(xiàn)亦較為耗時。

發(fā)明內(nèi)容
本發(fā)明是為了解決現(xiàn)有技術(shù)所存在的上述技術(shù)問題，提供一種可提高圖像分割準確度和分割效率的基于簡化的LBF模型的圖像分割方法。本發(fā)明的技術(shù)解決方案是一種基于簡化的LBF模型的圖像分割方法，其特征在于建立簡化的LBF模型和圖像分割步驟
簡化的LBF模型為
權(quán)利要求
1.一種基于簡化的LBF模型的圖像分割方法，其特征在于建立簡化的LBF模型和圖像分割步驟 簡化的LBF模型為
全文摘要
本發(fā)明公開了一種基于非下采樣輪廓波變換的活動輪廓模型圖像分割方法。首先,通過非下采樣輪廓波變換進行待分割圖像的多分辨率表示；其次，建立多分辨率系數(shù)的概率模型；最后，利用基于區(qū)域的活動輪廓模型進行多分辨率系數(shù)的整合操作以達到圖像分割的目的。實驗結(jié)果表明，本發(fā)明的方法可以很好地進行圖像的分割操作，既可以保證分割圖像的全局性，又可以分割出圖像的細節(jié)信息。
文檔編號G06T7/00GK103065309SQ20121057367
公開日2013年4月24日 申請日期2012年12月26日 優(yōu)先權(quán)日2012年12月26日
發(fā)明者王相海, 宋傳鳴, 李明 申請人:遼寧師范大學