一種融合邊緣和區(qū)域的活動輪廓圖像分割方法
【專利摘要】本發(fā)明公開了一種活動輪廓模型圖像分割方法，用于解決現(xiàn)有圖像分割問題效率低，圖像分割結(jié)果不理想的問題。本發(fā)明包括如下步驟：輸入圖像，通過使用LP?Garbor濾波器的相位一致性邊緣檢測算法得到圖像的邊緣信息；設(shè)定閾值，去除因噪聲影響得到的毛刺；以各個邊緣段的質(zhì)心為種子點區(qū)域生長，得到目標(biāo)區(qū)域；最后以目標(biāo)區(qū)域為初始輪廓位置，使用邊緣信息重寫活動輪廓模型能量泛函，進(jìn)行圖像的完全分割。本發(fā)明既保留了活動了活動輪廓模型全自動快速全局圖像分割的優(yōu)點，又結(jié)合了圖像邊緣區(qū)域信息，改進(jìn)了活動輪廓模型算法在前景背景顏色相似或前景目標(biāo)存在陰影等情況下的不足。除此之外，由于本發(fā)明方法初始化位置較接近于待分割目標(biāo)，在運(yùn)行效率上也得到了很大的提高。同時實現(xiàn)全自動的圖像分割。
【專利說明】
一種融合邊緣和區(qū)域的活動輪廓圖像分割方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及一種融合邊緣和區(qū)域的活動輪廓圖 像分割方法。
【背景技術(shù)】
[0002] 圖像分割是數(shù)字圖像處理的關(guān)鍵步驟，主要可分為基于閾值、基于區(qū)域、基于邊緣 的分割方法以及基于特定理論的分割方法等幾類。一般情況下各種方法結(jié)合使用。
[0003]圖像邊緣檢測即標(biāo)識圖像屬性中的顯著變化的點，屬性的顯著變化反映了圖像中 不同區(qū)域的變化。最為常用的邊緣檢測方法為一階，二階邊緣檢測算子，如Laplacian算子、 Laplacian-Gauss算子、Robert s算子、Sobel算子等，其核心思想大多基于圖像的亮度梯度 信息的。而相位一致性是假設(shè)圖像中傅里葉級數(shù)分量之和最大的點為特征點。圖像中存在 大量的階躍邊緣，線邊緣，屋頂及介于階躍邊緣和線邊緣之間的邊緣信息。國內(nèi)外眾多學(xué)者 研究發(fā)現(xiàn)，各種各樣的特征類型都可在相位一致性高的點出現(xiàn)，包括階躍、線、屋頂以及馬 赫帶。因此，相位一致性方法能夠更有效的檢測到圖像的邊緣。學(xué)者Kovesi等人提出了使用 Log Gabor濾波器的相位一致性方法，取得了較好的實驗結(jié)果。本發(fā)明即采用Log Gabor濾 波的相位一致性進(jìn)行邊緣檢測。
[0004] 隨著水平集方法的應(yīng)用，活動輪廓模型在圖像分割問題上也取得了很好的發(fā)展。 近年來，尤其Chan-Vese(CV)模型得到了很好的發(fā)展，許多學(xué)者在CV模型的基礎(chǔ)上做了相關(guān) 方面的研究，并提出了許多有效的改進(jìn)方案。早年較為典型的改進(jìn)主要有:Kimmel等人考慮 圖像的邊界梯度信息，提出了 CV模型與GAC模型相結(jié)合的思想，實現(xiàn)了對弱邊界圖像的良好 分割；李純明等人針對水平集演化過程中的重新初始化問題，提出了避免水平集重新初始 化的距離正則項的概念。另外，許多學(xué)者在此基礎(chǔ)上也對模型進(jìn)行了許多優(yōu)化改進(jìn)，如近期 提出的基于距離正則化的水平集演化模型，考慮圖像區(qū)域信息的基于距離正則化的水平集 演化模型等。本發(fā)明同時在CV模型中同時考慮圖像的邊緣信息及區(qū)域信息，對能量泛函進(jìn) 行改寫。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明為解決現(xiàn)有技術(shù)存在的缺陷，提供一種融合邊緣和區(qū)域信息的活動輪廓圖 像分割方法。既保留了活動輪廓模型圖像分割算法全局分割的優(yōu)點，同時融合相位一致性 的邊緣檢測算法得到圖像邊緣信息，借助區(qū)域生長方法得到圖像的目標(biāo)區(qū)域，進(jìn)一步分割 得到精確的分割結(jié)果。改進(jìn)了活動輪廓模型分割噪聲多的問題，在運(yùn)行效率上也有一定提 尚。
[0006] 為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：
[0007] -種融合邊緣和區(qū)域的活動輪廓圖像分割方法，其特征在于，包括以下步驟：
[0008] 步驟SI:輸入圖像，使用LP-Garbor濾波器的相位一致性邊緣檢測算法定位得到圖 像的邊緣信息；
[0009]步驟S2:設(shè)定閾值t，將長度小于t的邊緣段去掉，去除因噪聲影響得到的毛刺； [0010]步驟S3:以各個邊緣段的質(zhì)心為種子點區(qū)域生長，得到目標(biāo)區(qū)域；
[0011]步驟S4:以目標(biāo)區(qū)域為初始輪廓位置，使用活動輪廓模型進(jìn)行圖像的詳細(xì)分割； [0012]步驟S5:輸出要分割的目標(biāo)圖像。
[0013] 進(jìn)一步地，上述的步驟S3具體包括以下步驟：
[0014]步驟S3.1、在得到圖像的邊緣信息之后，尋找各邊緣段的質(zhì)心為種子點，將已標(biāo)記 的邊緣點作為種子點壓入堆棧edge;
[0015] 步驟S3.2、從edge堆棧中取出一種子點，計算種子點與其四鄰域像素（x，y)性質(zhì) 差，如果該差小于閾值E，則生長還未到達(dá)該區(qū)域邊界，賦予與種子點相同的標(biāo)識，壓入堆 棧，seed;
[0016] 步驟S3.3、從堆棧seed中取出一個新的種子點，繼續(xù)四連通方向生長，把鄰近滿足 生長條件的點并入，生成新的區(qū)域；
[0017] 步驟S3.4、重復(fù)步驟S3.3直到不再存在鄰近滿足生長條件的點為止，該區(qū)域生成 過程結(jié)束；
[0018] 步驟S3.5、從堆棧edge中逐個取出其他種子點，按S3.2-S3.4步驟進(jìn)行生長。
[0019] 進(jìn)一步地，上述的步驟S4具體包括以下步驟：
[0020]步驟S4.1、區(qū)域生長所得到的目標(biāo)區(qū)域，二值化得到模板T;
[0021 ]步驟S4.2、根據(jù)模板T，定于水平集函數(shù)，初始化活動輪廓曲線；
[0022]步驟S4.3、根據(jù)圖像邊緣信息，計算邊緣停止函數(shù)g;
[0023]步驟S4.4、確定改進(jìn)CV活動輪廓模型能量泛函；
[0024]步驟S4.5、對能量泛函進(jìn)行數(shù)值求解，迭代最小化能量，得到最終水平集函數(shù)； [0025]步驟S4.6、得到最終圖像分割結(jié)果。
[0026]本發(fā)明的該方法融合了圖像邊緣區(qū)域信息和活動輪廓模型圖像分割算法，先利用 Log Gabor濾波器的相位一致性邊緣檢測算法，得到圖像邊緣信息，并使用四鄰域區(qū)域生長 算法得到目標(biāo)初始區(qū)域，再利用圖像的邊緣信息和區(qū)域信息改寫CV模型，迭代數(shù)值求解，得 到準(zhǔn)確的圖像分割結(jié)果。它既保留了CV全局分割的優(yōu)點，同時借助邊緣信息，改進(jìn)了在背景 顏色相似，或前景目標(biāo)存在噪聲等情況下CV模型的不足。除此之外，由于本方法初始化輪廓 線位置接近于待分割目標(biāo)位置，在運(yùn)行效率上也有一定的提高。
【附圖說明】
[0027]圖1本發(fā)明的流程框圖。
【具體實施方式】
[0028]下面結(jié)合實施例對本發(fā)明作進(jìn)一步的描述，所描述的實施例僅僅是本發(fā)明一部分 實施例，并不是全部實施例?；诒景l(fā)明中的實施例，本領(lǐng)域的普通技術(shù)人員在沒有做出創(chuàng) 造性勞動前提下所獲得的其他所用實施例，都屬于本發(fā)明的保護(hù)范圍。
[0029]本發(fā)明的實驗平臺是在Matlab R201 Ib平臺上進(jìn)行的，計算機(jī)系統(tǒng)配置：CI3U為 Inte I(R) Core (TM) i 5-3470;主頻為 @3 · 20GHz ;內(nèi)存為 4GB;操作系統(tǒng)為 Microsoft Windows7Professional〇
[0030] 本發(fā)明所提出的融合邊緣和區(qū)域的活動輪廓圖像分割方法主要包括Log Gabor濾 波器相位一致性方法對圖像邊緣檢測，及進(jìn)一步改寫活動輪廓模型泛函，迭代數(shù)值求解兩 大模塊。
[0031] 首先是Log Gabor濾波器相位一致性方法計算圖像邊緣信息主要步驟：
[0032] 圖像信號I講行俥里葉級數(shù)展開：
[0033]
(1)
[0034] An為第N個余弦分量的振幅，％〇)表示在X位置的局部相位。用能量求解PC函數(shù)， 其關(guān)系為：
[0035] E(X)=PC(X) ΣηΑη (2)
[0036] Log Garbor濾波器在空間定位方面和頻率的分離都擁有非常良好的性能，且對圖 像的自然編碼更有效，選用Log Garbor作為定位相位一致的濾波器，其正弦和余弦的響應(yīng) 方程式為：
[0037] (3)
[0038] (4)
[0039] Gabor濾波器的余弦和正弦的系數(shù)，Rn為局部頻率的振幅，θη為局部 頻率的相位。PC函數(shù)表示為：
[0040]
(5)
[0041] 為相位的加權(quán)平均。得到圖像邊緣信息之后，通過閾值法去除細(xì)小毛刺邊緣。
[0042] 其次，基于圖像的邊緣信息，進(jìn)行區(qū)域生長得到目標(biāo)區(qū)域，主要步驟：
[0043] (1)已知圖像的邊緣段，確定各邊緣段的質(zhì)心，定位為各邊緣段的種子點，將標(biāo)記 的種子點壓入堆棧E;
[0044] (2)從堆棧E中取出一種子點V，計算種子點V與其四鄰域像素v(x，y)性質(zhì)差，如果 該差小于閾值Q，則區(qū)域生長還未到達(dá)該區(qū)域邊界，將v(x，y)賦予與種子點相同的標(biāo)識，壓 入堆棧S;
[0045] (3)從堆棧S中取出一個新的種子點，繼續(xù)依據(jù)四連通方向生長，把鄰近滿足生長 條件的點并入，生成新的區(qū)域；
[0046] (4)重復(fù)步驟(3)直到不再存在鄰近滿足生長條件的點為止，該區(qū)域生成過程結(jié) 束；
[0047] (5)從堆棧E中逐個取出其他種子點，按(2)-(4)步驟繼續(xù)生長。
[0048] 最后在確定了圖像的邊緣信息以及區(qū)域信息之后，改寫CV能量泛函，并迭代進(jìn)行 數(shù)值求解：
[0049] 通過圖像的邊緣信息λ，重寫測地線活動輪廓模型中邊緣停止函數(shù)g(x，y) = l/(l + κλ2)，其中K為系數(shù)。區(qū)域生長所得到的目標(biāo)區(qū)域Obj，定義模板a = ^ abL根 v〇 others. 據(jù)水平集函數(shù)的定義，依據(jù)模板α，計算初始化零水平集曲線：
[0050] 定義0:〇(^；F) (心*_1):，其中μ為常系數(shù)且y>〇，c為活動輪廓曲線，G。為寬 度為σ的高斯核函數(shù)。
[0051 ] (6)：
[0052]
[0053] (7)
[0054] 其中，Io(x，y)為待分割圖像，Length(C)表示邊界曲線C的長度，Area(inside(C)) 為曲線C的內(nèi)部區(qū)域的面積。μ，γ ^Ο,λ^λΑΟ為權(quán)重系數(shù)。
[0055] 最后通過變分法求水平集函數(shù)的偏導(dǎo)數(shù)，然后有限差分的方法實現(xiàn)模型的數(shù)值求 解。使用中心差分的方法進(jìn)行數(shù)值的近似求解，0(?U,y) = 0(仏>〇,對進(jìn)行半點中心 差分，偏導(dǎo)數(shù)格式為：
[0056]
[0057]
【主權(quán)項】
1. 一種融合邊緣和區(qū)域的活動輪廓圖像分割方法，其特征在于，包括以下步驟： 步驟S1:輸入圖像，使用LP-Garbor濾波器的相位一致性邊緣檢測算法定位得到圖像的 邊緣信息； 步驟S2:設(shè)定閾值t，將長度小于t的邊緣段去掉，去除因噪聲影響得到的毛刺； 步驟S3:以各個邊緣段的質(zhì)心為種子點區(qū)域生長，得到目標(biāo)區(qū)域； 步驟S4:以目標(biāo)區(qū)域為初始輪廓位置，使用活動輪廓模型進(jìn)行圖像的詳細(xì)分割； 步驟S5:輸出要分割的目標(biāo)圖像。2. 根據(jù)權(quán)利要求1所述的活動輪廓模型圖像分割方法，其特征在于，上述的步驟S3具體 包括以下步驟： 步驟S3.1、在得到圖像的邊緣信息之后，尋找各邊緣段的質(zhì)心為種子點，將已標(biāo)記的邊 緣點作為種子點壓入堆棧edge; 步驟S3.2、從edge堆棧中取出一種子點，計算種子點與其四鄰域像素(x，y)性質(zhì)差，如 果該差小于閾值E，則生長還未到達(dá)該區(qū)域邊界，賦予與種子點相同的標(biāo)識，壓入堆棧， seed； 步驟S3.3、從堆棧seed中取出一個新的種子點，繼續(xù)四連通方向生長，把鄰近滿足生長 條件的點并入，生成新的區(qū)域； 步驟S3.4、重復(fù)步驟S3.3直到不再存在鄰近滿足生長條件的點為止，該區(qū)域生成過程 結(jié)束； 步驟S3.5、從堆棧edge中逐個取出其他種子點，按S3.2-S3.4步驟進(jìn)行生長。3. 根據(jù)權(quán)利要求1所述的活動輪廓模型圖像分割方法，其特征在于，上述的步驟S4具體 包括以下步驟： 步驟S4.1、區(qū)域生長所得到的目標(biāo)區(qū)域，二值化得到模板T; 步驟S4.2、根據(jù)模板T，定義水平集函數(shù)，初始化活動輪廓曲線； 步驟S4.3、根據(jù)圖像邊緣信息，計算相應(yīng)的邊緣停止函數(shù)g; 步驟S4.4、改寫Chan-Vese活動輪廓模型能量泛函； 步驟S4.5、使用有限差分方法對能量泛函進(jìn)行數(shù)值求解，迭代最小化能量，得到最終水 平集函數(shù)； 步驟S4.6、輸出最終圖像分割結(jié)果。
【文檔編號】G06T7/00GK105844625SQ201610158811
【公開日】2016年8月10日
【申請日】2016年3月18日
【發(fā)明人】梁久禎, 李敏
【申請人】常州大學(xué)