專利名稱：基于鄰域信息的模糊主動輪廓模型的灰度非均勻圖像分割方法
技術領域：
本發(fā)明屬于圖像處理技術領域，涉及圖像分割，可用于圖像增強、模式識別、目標跟蹤等技術領域中。
背景技術：
圖像分割是一種基本的計算機視覺技術，是由圖像處理到圖像分析的關鍵步驟。由于成像過程中受各種因素的影響，圖像自身存在著許多不確定性和不精確性的問題。而模糊理論方法對于圖像的這種不確定性有很好的描述能力，因而近年來基于模糊方法的圖像分割算法得到了廣泛的應用與研究。在數十年的研究過程中，圖像分割技術的研究一直備受關注。眾多研究人員對其進行了廣泛的研究提出了大量的圖像分割方法。而常見的圖像分割方法主要有基于邊緣檢測的分割方法、基于閾值的分割方法、基于區(qū)域的分割方法以及結合特定理論工具的分割方法。邊緣信息是圖像信息中最基本的特征信息，它是指圖像周圍像素灰度值階躍性變化的像素集合，表征著圖像像素特征值的突變，如灰度值的突變、紋理的突變和顏色的突變等?；谶吘墮z測的分割方法就是利用圖像這些突變性的特點來檢測不同勻質區(qū)域間的邊界來實現(xiàn)圖像分割。經典的邊緣檢測方法是利用像素鄰域區(qū)域的灰度階躍變化敏感的差分算子和邊緣臨近一階或二階導數的變化規(guī)律來判斷邊緣點，也稱邊緣檢測局部算子法。比較經典的邊緣檢測算子有Sobel算子，Robert算子，Laplacian算子，Prewitt算子等。閾值分割法是一種簡單的基于區(qū)域的分割技術，理解簡單且易于實現(xiàn)，常作為圖像的預處理方法。然而現(xiàn)存的大部分閾值分割算法都集中在對閾值確定的研究上。常見的閾值分割方法根據圖像整體與局部的灰度信息，可以分為單閾值分割方法和多閾值分割方法。若根據分割算法所有的特征或準則，還可以分為最大類空間方差法、最小誤差法與均勻化誤差法、直方圖與直方圖變換法、簡單統(tǒng)計法與局部特性法、共生矩陣法、概率松馳法、最大熵法、模糊集法、基于過渡區(qū)的閾值選取法、特征空間聚類法等。區(qū)域分割就是將圖像中已知的相似特征作為判據，直接獲得圖像的感興趣區(qū)域?；趨^(qū)域的分割方法的基本思想把具有相似性質的像素集合起來構成最終的分割區(qū)域。它利用了圖像的局部空間信息，可以有效的克服其它方法存在的圖像分割空間不連續(xù)的缺點，但是它的不足是通常會造成圖像的過度分割。常用的區(qū)域分割方法有區(qū)域生長法、分裂和合并算法等。區(qū)域生長法即就是在但分割的圖像區(qū)域中找到一個像素作為生長點，再依據某種規(guī)則或相似性準則將該像素周圍的鄰域像素劃分為同一個區(qū)域內。但該算法不易操作其關鍵參數難以設置。圖像分割技術發(fā)展至今，尚無通用的自身理論。但隨著近年科學技術的發(fā)展，各個學科許多新理論和新方法的提出，研究人員將許多特定理論方法與已有的分割技術相結合，提出了許多新的分割算法。其中包括基于模糊聚類的，基于數學形態(tài)學的，基于人工神經網絡的，基于遺傳算法的圖像分割方法以及基于小波分析和變換的分割技術。這些新算法與技術不但豐富圖像分割技術的理論體系，同時也對跨學科的交叉研究有著重要的意義。在實際應用中，由于照度不均、成像設備固有的缺陷等因素的影響，圖像灰度不均勻現(xiàn)象經常發(fā)生，在醫(yī)學圖像中尤為嚴重。但是Chan-Vese模型(C_V模型)和模糊主動輪廓模型(FAC模型)都只是利用了圖像的全局信息?？績H利用圖像全局信息的主動輪廓模型分離目標和背景是不能完全克服圖像灰度不均勻的問題。因而，圖像灰度不均勻現(xiàn)象給圖像分割問題帶來了嚴峻的挑戰(zhàn)，也阻礙了醫(yī)療領域計算機輔助診斷。

發(fā)明內容
本發(fā)明的目的在于克服上述已有技術的不足，提出一種基于鄰域信息的模糊主動輪廓模型的灰度非均勻圖像分割方法，以實現(xiàn)在對于灰度不均勻圖像分割中既能得到良好的結果，使得圖像聚類分割結果更穩(wěn)定、邊緣更平滑、區(qū)域一致性更好。本發(fā)明的技術方案是將引入高斯核函數來控制鄰域窗口的作用范圍，充分利用灰度不均勻圖像的局部統(tǒng)計信息，改進模糊主動輪廓模型的能量泛函形式為
權利要求
1.一種基于鄰域信息的模糊主動輪廓模型的灰度非均勻圖像分割方法，包括如下步驟: 設定曲線演化的終止條件e為10-10,，設定總的迭代次數N為100、曲線演化參數μ,λ1,λ2,設λ2=λ1=1,μ=0 ; 輸入待分割圖像，以隸屬度u二0.5為界，初始每個像素點的隸屬度值，確定一個初始輪廓，進而進行下一步的曲線演化；(3).利用求解能量泛函F(C,c1,c2,u)對應的Euler-Lagrange方程,計算每個象素點I鄰域區(qū)域內的初始輪廓線以內和以外的兩個平均灰度值c1(x)和c2(x)，其中，C為規(guī)整演化曲線,u為隸屬度值，X為當前像素點；假設某一像素點I(x)當前的像素值I0,為相應的隸屬度值為u0，根據隸屬度更新公式計算得到的當前像素點新的隸屬度％，根據公式
全文摘要
本發(fā)明公開一種基于鄰域信息的模糊主動輪廓模型的灰度非均勻圖像分割方法，主要解決現(xiàn)有分割結果不穩(wěn)定的問題。其實現(xiàn)步驟為(1)設給定運行參數，設定算法終止條件；(2)輸入圖像，對其進行初始化；(3)計算平均灰度值；(4)更新所有像素點的隸屬度值；(5)判斷是否達到終止條件，未達到則返回步驟(3)；否則，輸出分割結果圖。本發(fā)明分割結果準確、穩(wěn)定的優(yōu)點，可用于圖像增強、模式識別、目標跟蹤等技術領域中。
文檔編號G06T7/00GK103208116SQ20131008980
公開日2013年7月17日 申請日期2013年3月20日 優(yōu)先權日2013年3月20日
發(fā)明者雷雨, 公茂果, 梁艷 申請人:西安電子科技大學, 西安電子科技大學昆山創(chuàng)新研究院