[发明专利]基于非下采样Shearlet变换与矢量C-V模型的图像分割方法

权利要求书

1.一种基于非下采样Shearlet变换与矢量C-V模型的图像分割方法，其特征在于按照如下步骤进行：

定义 C-V能量泛函形式如下，

其中是Heaviside 函数，定义如下：

它的分布导数为；

对于固定的和极小化关于的函数，

通过使用最速下降流方法可以得到控制平均曲率和误差项的Euler-Lagrange方程；

矢量C-V模型有如下定义：

其中是中图像的等层信道,是演化曲线，和是近似图像强度的未知的常数向量，和是每一层信道的参数；

其水平集函数如下：

为了计算的Euler-Lagrange方程，将和规范为：

和

极小化关于的能量泛函得到的Euler-Lagrange方程为：

步骤 1. 对给定的图像用NSST进行层分解，首先是用非下采样的Laplacian金字塔算法实现图像的多尺度分解，再利用剪切矩阵获得方向，具体地：

步骤 11.利用Laplacian金字塔分解算法，把分解成一个低通滤波后的图像，和一个高通滤波后的图像；

步骤 12.在伪极格上计算，生成矩阵；

步骤 13.对矩阵进行带通滤波；

步骤 14.直接重新定义笛卡尔抽样值，向二维快速Fourier变换或应用逆采用上一步中的伪极离散Fourier变换，得到剪切系数；

步骤 2.将用NSST获得的不同方向的低频和高频分量，送到矢量C-V模型中；

步骤 3.在整个图像上初始化一系列均匀分布演化曲线，设每层多分辨表示的图像的正则化参数；

步骤 4.极小化由步骤2得到的能量泛函；

步骤 5.输出最后的分割结果。