[发明专利]图像分割方法及其系统

说明书

本发明公开了一种图像分割方法及其系统，方法包括：检测目标图像的显著性区域，得到目标区域的初始化边界曲线；根据LIF模型的能量泛函数和DRLSE模型的能量泛函数，生成新的能量泛函数；根据所述新的能量泛函数和预设的迭代次数，对所述初始化边界曲线进行演化，得到演化后的边界曲线；根据所述演化后的边界曲线进行图像分割。通过进行显著性检测，使初始曲线开始于目标区域的边缘附近，大大节约了演化的时间，提高分割的准确度；通过局部信息和梯度信息结合的水平集方法，能够有效地分割背景信息复杂及弱边界的图像。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像分割方法及其系统。

背景技术

图像的研究和应用中，人们往往对图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域(可以对应单一区域，也可以对应多个区域)，称之为目标或前景；而其他部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割要研究的问题。图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。图像分割是图像识别和计算机视觉至关重要的预处理。没有正确的分割就不可能有正确的识别。但是，进行分割仅有的依据是图像中像素的亮度及颜色，由计算机自动处理分割时，将会遇到各种困难。例如，光照不均匀、噪声的影响、图像中存在不清晰的部分，以及阴影等，常常发生分割错误。因此图像分割是需要进一步研究的技术。人们希望引入一些人为的知识导向和人工智能的方法，用于纠正某些分割中的错误，是很有前途的方法，但是这又增加了解决问题的复杂性。图像分割是图像理解与识别的前提。作为图像处理的基础环节，一直是图像处理和计算机视觉领域的热点和难点问题。利用水平集方法实现的活动轮廓模型近年来受到众多学者的关注。

图像分割有三种以不同的途径：

其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法；

其二是通过直接确定区域的边界来实现分割的边界方法；

其三是首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。

Osher和Sethian首次提出的水平集方法：它主要基于曲线演化和水平集理论。水平集的基本思想是把图像的演化曲线或是曲面嵌入到更高一维的水平集中，把高维曲线或曲面的演化曲线转化高维的偏微分方程，通过求解偏微分方程得到最终的演化曲线。D.Mumford等人提出一种几何活动轮廓模型(Mumford-Shah，MS)，该模型是基于断裂力学的变分能量方程，可以在演化过程中快速的断裂、合并，但是MS模型的能量项很难找到简单的数值逼近，阻碍了MS模型发展。

Caselles等人提出基于水平集方法的图像分割模型——测地轮廓模型(GeodesicActive Contour，GAC)，该模型在传统模型的基础上使能量泛函数可以进行拓扑变化，但是该模型的初始化曲线必须完全在待割目标的内部或是外部，否则不能自然地进行拓扑结构变化。

2001年，Chan等人提出了一种C-V模型，这种模型在能量函数中加入包含曲线长度和局部区域面积的惩罚项，该模型对含有噪声的图像效果比较好，但是对于灰度不均匀图像，基于图像的全局信息的C-V模型，往往不能有很好的分割效果。

为了克服传统的水平集演化需要重复初始化，Li等人提出了一种无需重新初始化的距离正规化水平集演化(DRLSE)模型，其主要思想是在能量函数方程中加入内部能量惩罚项，内部能量惩罚项使得水平集曲线在演化过程中离符号距离函数不会偏差太远，始终保持为符号距离函数或是近似符号距离函数，使得演化曲线不需要重新初始化。虽然这种方法避免了重新初始化，但是在分割背景信息复杂或灰度不均匀的图像时，会导致分割曲线偏离目标区域，从而出现错误的分割。