[发明专利]一种基于贝叶斯估计与水平集的快速图像分割方法及装置

权利要求书

1.一种基于贝叶斯估计与水平集的快速图像分割方法，其特征在于：该方法包括如下步骤：

(1)初始化水平集函数，所述水平集函数表达的闭合曲线为图像的前景和背景的分割轮廓；

(2)由水平集函数得到前景区域和背景区域的高斯混合分布的统计参数，包括均值和方差，利用分割轮廓内像素数量与全体像素数量的比值来初始化先验概率；

(3)利用贝叶斯推断得到概率标签；

(4)根据当前的概率标签和水平集函数通过概率化的水平集迭代更新方程得到新的水平集函数；

(5)由当前的水平集函数更新几何先验，并由当前的概率标签更新前景区域和背景区域统计参数；

(6)回到(3)步，直到满足停止条件；

所述水平集迭代更新方程中的三个重要变量为上次迭代得到的水平集函数、概率标签以及区域统计参数，其中区域统计参数是经过最小化主动轮廓能量函数由概率标签估计得到；

所述步骤(2)和(3)中获取概率标签的先验概率的方法为：

其中，Ω₁和Ω₂分别表示图像的前景区域和背景区域，N为图像像素数量，φ_j为像素x_j对应的水平集函数，p(Ω_i)表示先验概率，且满足K为图像分割的区域数量，H(·)为单位阶跃函数，用于将对应分割轮廓曲线内像素的值置为1，曲线外的为0。

2.根据权利要求1所述的基于贝叶斯估计与水平集的快速图像分割方法，其特征在于：所述步骤(3)中概率标签的计算方法为：

其中，p(Ω_i|x_j)表示像素x_j属于区域Ω_i的概率标签，p(I_j|θ_i)为像素x_j观测值I_j的高斯分布概率密度函数，θ_i＝{μ_i,∑_i}表示高斯分布的均值和方差。

3.根据权利要求1所述的基于贝叶斯估计与水平集的快速图像分割方法，其特征在于：所述步骤(4)中基于概率标签驱动的主动轮廓演变，水平集函数迭代更新方程表示为：

其中，为第k+1步像素x_j对应的水平集函数，I_j为像素x_j的观测值，p(I_j|θ_i)^(k)为第k步观测值I_j的高斯分布概率密度函数，θ_i＝{μ_i,∑_i}分别是均值和方差，p(Ω_i|x_j)^(k)为第k步由贝叶斯公式得到的像素x_j属于区域Ω_i的概率标签，参数β和γ用来调节面积项和周长项的权重，ε为尺度系数，Δt为步长，为梯度，div表示曲率算子。

4.根据权利要求1所述的基于贝叶斯估计与水平集的快速图像分割方法，其特征在于：所述步骤(5)中由最小化主动轮廓能量函数得到的基于概率标签驱动的区域统计参数估计，其中，

均值的计算方法为：

方差的计算方法为：

其中，p(Ω_i|x_j)表示像素x_j属于区域Ω_i的概率标签，I_j为像素x_j的观测值，N为图像像素数量。

5.一种基于贝叶斯估计与水平集的快速图像分割装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述计算机程序被加载至处理器时实现根据权利要求1-4任一项所述的基于贝叶斯估计与水平集的快速图像分割方法。