[发明专利]一种优化C-V模型的水下光学图像处理方法

权利要求书

1. 一种优化C-V模型的水下光学图像处理方法，其特征在于，包括如下步骤：

步骤(1)，采用阈值分割的方法对输入的目标图像进行二值化处理，得到目标图像的二值化分割结果；

步骤(2)，从得到的二值化图像中提取目标区域信息；所述目标区域信息包括目标区域最左坐标                                               ，最右坐标，最上坐标，最下坐标；

步骤(3)，将得到的目标区域信息传递给C-V模型，以坐标为初始轮廓的圆心，以为初始轮廓的半径，优化定位初始轮廓的位置区域，初始化C-V模型曲线；

步骤(4)，利用C-V方法对图像进行分割。

2. 根据权利要求1所述的一种优化C-V模型的水下光学图像处理方法，其特征在于，步骤(1)中在对图像进行处理前还包括：判断输入的目标图像是否为灰度图像；当不是灰度图像，通过RGB转灰度函数将输入目标图像转换为灰度图像。

3. 根据权利要求1所述的一种优化C-V模型的水下光学图像处理方法，其特征在于，步骤(1)中所述阈值分割的方法为最大类间方差的自适应阈值分割算法。

4. 根据权利要求1所述的一种优化C-V模型的水下光学图像处理方法，其特征在于，步骤(2)中所述提取目标区域信息的具体步骤如下：

步骤(2)-a，通过功能函数Find()，查找获取二值化目标图像中所有像素值为1的点的坐标集合（，）；

步骤(2)-b，通过比较坐标集合（，）中所有坐标的值的大小，获得坐标集中的最小值、最大值、以及的最小值，最大值，即目标区域最左坐标，最右坐标，最上坐标，最下坐标，得到目标的区域信息。

5. 根据权利要求1所述的一种优化C-V模型的水下光学图像处理方法，其特征在于，步骤(4)所述利用C-V方法对图像进行分割的具体步骤如下：

步骤(4)-a，根据步骤(3)获得的初始轮廓的位置，将图像相对模型曲线分为内外两个部分，分别通过循环迭代得到初始曲线内平均灰度和初始曲线外平均灰度； 

步骤(4)-b，迭代求解水平集函数的值，获取更新后的水平集函数，具体包括：

设定初始水平集函数迭代次数n的初始迭代次数n=1和最大迭代次数N；

将初始水平集函数在如下的偏微分方程控制下进行迭代，以更新水平集函数：

 

步骤(4)-c，判断演化结果是否收敛或者达到迭代次数，若结果为是，则结束迭代；否则转入步骤(4)-b再进行计算。