一種融合邊緣和區域的活動輪廓圖像分割方法
【專利摘要】本發明公開了一種活動輪廓模型圖像分割方法，用于解決現有圖像分割問題效率低，圖像分割結果不理想的問題。本發明包括如下步驟：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；設定閾值，去除因噪聲影響得到的毛刺；以各個邊緣段的質心為種子點區域生長，得到目標區域；最后以目標區域為初始輪廓位置，使用邊緣信息重寫活動輪廓模型能量泛函，進行圖像的完全分割。本發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點，又結合了圖像邊緣區域信息，改進了活動輪廓模型算法在前景背景顏色相似或前景目標存在陰影等情況下的不足。除此之外，由于本發明方法初始化位置較接近于待分割目標，在運行效率上也得到了很大的提高。同時實現全自動的圖像分割。
【專利說明】
一種融合邊緣和區域的活動輪廓圖像分割方法
技術領域
[0001] 本發明涉及數字圖像處理技術領域，具體涉及一種融合邊緣和區域的活動輪廓圖 像分割方法。
【背景技術】
[0002] 圖像分割是數字圖像處理的關鍵步驟，主要可分為基于閾值、基于區域、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合使用。
[0003]圖像邊緣檢測即標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圖像中傅里葉級數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。國內外眾多學者 研究發現，各種各樣的特征類型都可在相位一致性高的點出現，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果。本發明即采用Log Gabor濾 波的相位一致性進行邊緣檢測。
[0004] 隨著水平集方法的應用，活動輪廓模型在圖像分割問題上也取得了很好的發展。 近年來，尤其Chan-Vese(CV)模型得到了很好的發展，許多學者在CV模型的基礎上做了相關 方面的研究，并提出了許多有效的改進方案。早年較為典型的改進主要有:Kimmel等人考慮 圖像的邊界梯度信息，提出了 CV模型與GAC模型相結合的思想，實現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，許多學者在此基礎上也對模型進行了許多優化改進，如近期 提出的基于距離正則化的水平集演化模型，考慮圖像區域信息的基于距離正則化的水平集 演化模型等。本發明同時在CV模型中同時考慮圖像的邊緣信息及區域信息，對能量泛函進 行改寫。

【發明內容】

[0005] 本發明為解決現有技術存在的缺陷，提供一種融合邊緣和區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，借助區域生長方法得到圖像的目標區域，進一步分割 得到精確的分割結果。改進了活動輪廓模型分割噪聲多的問題，在運行效率上也有一定提 尚。
[0006] 為解決上述技術問題，本發明所采用的技術方案是：
[0007] -種融合邊緣和區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:以各個邊緣段的質心為種子點區域生長，得到目標區域；
[0011]步驟S4:以目標區域為初始輪廓位置，使用活動輪廓模型進行圖像的詳細分割； [0012]步驟S5:輸出要分割的目標圖像。
[0013] 進一步地，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，尋找各邊緣段的質心為種子點，將已標記 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 差，如果該差小于閾值E，則生長還未到達該區域邊界，賦予與種子點相同的標識，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，生成新的區域；
[0017] 步驟S3.4、重復步驟S3.3直到不再存在鄰近滿足生長條件的點為止，該區域生成 過程結束；
[0018] 步驟S3.5、從堆棧edge中逐個取出其他種子點，按S3.2-S3.4步驟進行生長。
[0019] 進一步地，上述的步驟S4具體包括以下步驟：
[0020]步驟S4.1、區域生長所得到的目標區域，二值化得到模板T;
[0021 ]步驟S4.2、根據模板T，定于水平集函數，初始化活動輪廓曲線；
[0022]步驟S4.3、根據圖像邊緣信息，計算邊緣停止函數g;
[0023]步驟S4.4、確定改進CV活動輪廓模型能量泛函；
[0024]步驟S4.5、對能量泛函進行數值求解，迭代最小化能量，得到最終水平集函數； [0025]步驟S4.6、得到最終圖像分割結果。
[0026]本發明的該方法融合了圖像邊緣區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，并使用四鄰域區域生長 算法得到目標初始區域，再利用圖像的邊緣信息和區域信息改寫CV模型，迭代數值求解，得 到準確的圖像分割結果。它既保留了CV全局分割的優點，同時借助邊緣信息，改進了在背景 顏色相似，或前景目標存在噪聲等情況下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位置，在運行效率上也有一定的提高。
【附圖說明】
[0027]圖1本發明的流程框圖。
【具體實施方式】
[0028]下面結合實施例對本發明作進一步的描述，所描述的實施例僅僅是本發明一部分 實施例，并不是全部實施例。基于本發明中的實施例，本領域的普通技術人員在沒有做出創 造性勞動前提下所獲得的其他所用實施例，都屬于本發明的保護范圍。
[0029]本發明的實驗平臺是在Matlab R201 Ib平臺上進行的，計算機系統配置：CI3U為 Inte I(R) Core (TM) i 5-3470;主頻為 @3 · 20GHz ;內存為 4GB;操作系統為 Microsoft Windows7Professional〇
[0030] 本發明所提出的融合邊緣和區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，及進一步改寫活動輪廓模型泛函，迭代數值求解兩 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， 其關系為：
[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 方程式為：
[0037] (3)
[0038] (4)
[0039] Gabor濾波器的余弦和正弦的系數，Rn為局部頻率的振幅，θη為局部 頻率的相位。PC函數表示為：
[0040]
(5)
[0041] 為相位的加權平均。得到圖像邊緣信息之后，通過閾值法去除細小毛刺邊緣。
[0042] 其次，基于圖像的邊緣信息，進行區域生長得到目標區域，主要步驟：
[0043] (1)已知圖像的邊緣段，確定各邊緣段的質心，定位為各邊緣段的種子點，將標記 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)性質差，如果 該差小于閾值Q，則區域生長還未到達該區域邊界，將v(x，y)賦予與種子點相同的標識，壓 入堆棧S;
[0045] (3)從堆棧S中取出一個新的種子點，繼續依據四連通方向生長，把鄰近滿足生長 條件的點并入，生成新的區域；
[0046] (4)重復步驟(3)直到不再存在鄰近滿足生長條件的點為止，該區域生成過程結 束；
[0047] (5)從堆棧E中逐個取出其他種子點，按(2)-(4)步驟繼續生長。
[0048] 最后在確定了圖像的邊緣信息以及區域信息之后，改寫CV能量泛函，并迭代進行 數值求解：
[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g(x，y) = l/(l + κλ2)，其中K為系數。區域生長所得到的目標區域Obj，定義模板a = ^ abL根 v〇 others. 據水平集函數的定義，依據模板α，計算初始化零水平集曲線：
[0050] 定義0:〇(^；F) (心*_1):，其中μ為常系數且y>〇，c為活動輪廓曲線，G。為寬 度為σ的高斯核函數。
[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的內部區域的面積。μ，γ ^Ο,λ^λΑΟ為權重系數。
[0055] 最后通過變分法求水平集函數的偏導數，然后有限差分的方法實現模型的數值求 解。使用中心差分的方法進行數值的近似求解，0(?U,y) = 0(仏>〇,對進行半點中心 差分，偏導數格式為：
[0056]
[0057]
【主權項】
1. 一種融合邊緣和區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:以各個邊緣段的質心為種子點區域生長，得到目標區域； 步驟S4:以目標區域為初始輪廓位置，使用活動輪廓模型進行圖像的詳細分割； 步驟S5:輸出要分割的目標圖像。2. 根據權利要求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，尋找各邊緣段的質心為種子點，將已標記的邊 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)性質差，如 果該差小于閾值E，則生長還未到達該區域邊界，賦予與種子點相同的標識，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，生成新的區域； 步驟S3.4、重復步驟S3.3直到不再存在鄰近滿足生長條件的點為止，該區域生成過程 結束； 步驟S3.5、從堆棧edge中逐個取出其他種子點，按S3.2-S3.4步驟進行生長。3. 根據權利要求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、區域生長所得到的目標區域，二值化得到模板T; 步驟S4.2、根據模板T，定義水平集函數，初始化活動輪廓曲線； 步驟S4.3、根據圖像邊緣信息，計算相應的邊緣停止函數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行數值求解，迭代最小化能量，得到最終水 平集函數； 步驟S4.6、輸出最終圖像分割結果。
【文檔編號】G06T7/00GK105844625SQ201610158811
【公開日】2016年8月10日
【申請日】2016年3月18日
【發明人】梁久禎, 李敏
【申請人】常州大學