[发明专利]图像分割的方法与设备、三维图像的重建方法与系统

权利要求书

1.一种图像分割的方法，其特征在于，包括以下步骤：

S1、获取图像数据，所述图像数据包括与组成图像的每一个像素对应的概率值，所述概率值为所述像素的值为预设标签值的概率；

S2、根据每一个像素对应的所述概率值构建所述图像的目标函数；所述目标函数为：

其中，R(L)为区域项，B(L)为边界项，C为用于平衡所述区域项与所述边界项的系数，C大于等于0；

S3、根据所述目标函数构建所述图像的网络；

S4、根据所述网络将所述图像分割以得到图像分割结果；

步骤S2包括：根据以下公式得到所述区域项：

其中，Img用于表征所述图像，p用于表征所述像素；用于表征惩罚项，所述惩罚项为所述概率值的负对数，用于表征像素p的值为所述预设标签值；

所述图像数据还包括与组成图像的每一个像素对应的特征值；

步骤S2包括：根据以下公式得到所述边界项：

B(L)＝∑_p∈Img∑_q∈N(p)B_{p,q}·δ(p,q)，其中，Img用于表征所述图像，p用于表征所述像素，q用于表征所述像素p的周边邻域N(p)中的像素；B_{p,q}用于表征边界项因子，δ(p,q)用于表征相邻像素p与像素q相似的概率子因子，

其中，I_p用于表征像素p的特征值，I_q用于表征像素q的特征值，σ用于表征相邻像素p与像素q间特征值的方差，用于表征所述像素q的值为所述预设标签值。

2.如权利要求1所述的图像分割的方法，其特征在于，

其中，用于表征所述概率值。

3.如权利要求1所述的图像分割的方法，其特征在于，

步骤S2还包括：将所述边界项因子B_{p,q}最小化；

步骤S4包括：根据最大流最小割算法得到所述图像的最小割；

所述特征值包括灰度值或纹理特征值或颜色特征值，C的取值范围为[0，5]；

所述图像为骨骼的图像。

4.如权利要求3所述的图像分割的方法，其特征在于，将所述边界项因子B_{p,q}最小化的步骤包括：

根据最小二乘法将所述边界项因子B_{p,q}最小化。

5.一种用于图像分割的设备，其特征在于，包括图像数据获取单元、目标函数构建单元、网络构建单元、分割单元；

所述图像数据获取单元用于获取图像数据，所述图像数据包括与组成图像的每一个像素对应的概率值，所述概率值为所述像素的值为预设标签值的概率；

所述目标函数构建单元用于根据每一个像素对应的所述概率值构建所述图像的目标函数；所述目标函数为：

其中，R(L)为区域项，B(L)为边界项，C为用于平衡所述区域项与所述边界项的系数；

所述网络构建单元用于根据所述目标函数构建所述图像的网络；

所述分割单元用于根据所述网络将所述图像分割以得到图像分割结果；所述目标函数构建单元还用于根据以下公式得到所述区域项：

其中，Img用于表征所述图像，p用于表征所述像素；用于表征惩罚项，所述惩罚项为所述概率值的负对数，用于表征像素p的值为所述预设标签值；

所述图像数据还包括与组成图像的每一个像素对应的特征值；

所述目标函数构建单元还用于根据以下公式得到所述边界项：

B(L)＝∑_p∈Img∑_q∈N(p)B_{p,q}·δ(p,q)，其中，Img用于表征所述图像，p用于表征所述像素，q用于表征所述像素p的周边邻域N(p)中的像素；B_{p,q}用于表征边界项因子，δ(p,q)用于表征相邻像素p与像素q相似的概率子因子，

其中，I_p用于表征像素p的特征值，I_q用于表征像素q的特征值，σ用于表征相邻像素p与像素q间特征值的方差，用于表征所述像素q的值为所述预设标签值。