[发明专利]一种图像局部分割方法

说明书

技术领域

本发明属于图像处理领域，具体讲是涉及一种图像局部分割方法。

背景技术

图像分割是图像处理领域中的热点问题之一，在计算机视觉、人工智能等许多领域都扮演着重要的角色。

针对各种应用需求，研究人员提出了许多图像分割方法。其中，主动轮廓模型(Active Contour Model，ACM)以其强大的数学理论基础和基于水平集函数(Level Set Function，LSF)的高效数值方案吸进了众多学者。主动轮廓模型主要分为两类：基于边缘信息的主动轮廓模型和基于区域信息的主动轮廓模型。基于边缘信息的主动轮廓模型用图像梯度作为曲线进化的终止项，虽能实现局部分割，但对噪声敏感，对边缘较弱图像的分割能力较差；基于区域信息的主动轮廓模型用全局统计信息作为曲线进化的终止项，对噪声、弱边缘等问题比基于边缘信息的主动轮廓模型具有较强的鲁棒性，但其模型是一种全局分割模型，会将图像中具有相近亮度的区域都分割出来，无法实现只针对局部的分割。

为了能够将基于区域信息的主动轮廓模型应用于局部分割以增强算法的鲁棒性，研究人员提出了多种局部分割方法。其中最有效的方法是将基于区域信息的主动轮廓模型限制在曲线附近的窄带范围之内进化。根据水平集函数的类型，局部分割方法可分为两类：基于符号距离函数的局部分割方法和基于局部近似符号距离函数的局部分割方法。基于符号距离函数的局部分割方法一般用海维塞德函数(Heaviside Function)的导数狄拉克函数(Dirac Function)控制窄带，但在该方案控制下的窄带易受符号距离函数的重新初始化影响而不稳定。基于局部近似符号距离函数的局部分割方法是采取有限的整数序列来局部近似符号距离函数，但在该方法控制下的窄带有时候会因曲线平滑方案选取不当而造成局部分割精度不足。另外，在以上两类局部分割方法中，曲线平滑方案一般采用曲率平滑或者高斯滤波平滑方案。而当窄带宽度较小时，这两类局部分割方法中的曲线平滑方案对曲线进化将会有一定的抑制作用，这将会迫使曲线进化停止而导致分割失败。

发明内容

针对现有的图像局部分割方法的缺陷，本发明提供了一种局部分割方法。本发明基于二值水平集函数和形态学运算，是一种通用的局部分割框架。局部分割中的窄带的实现方法与已有方法迥然不同，窄带控制的稳定性与灵活性都得到了保证，并且窄带宽度可以达到一个像素的精度，大大提高了局部分割精度，最终达到图像局部精确分割的目的。本发明中的曲线平滑方案采用形态学运算，不论窄带宽度大小，对曲线进化都有促进作用，并且形态学运算易于保持水平集函数的二值性，从而保证局部分割精度。

本发明是通过以下技术方案实现的：

本发明将局部分割过程分解为五个部分：图像预处理、创建窄带、更新窄带内的点、重新初始化、平滑曲线。每一部分的技术实现方案如下：

(1)图像预处理

根据实际需要，对图像进行预处理，包括图像去噪、图像增强、图像配准融合等。

(2)创建窄带

窄带方案影响局部分割算法的稳定性与有效性。本发明用一种基于二值水平集和形态学运算的新方法定义窄带。二值水平集φ(x)是一种局部近似的符号距离函数，只取1和-1两个值，是本发明局部分割精度的保证，定义如下：

φ(x)=1,x∈Ω0-1,x∈Ω/Ω0]]>