[发明专利]一种基于KL熵的RSF水平集图像自动分割方法

说明书

本发明公开了一种基于KL熵的RSF水平集图像自动分割方法，包括：获取待分割图像；对待分割图像进行显著性分析，确定RSF模型的初始水平集；计算图像的KL熵，将图像的KL熵值作为分割曲线内外部能量的权值系数，并将图像的KL熵引入RSF模型的水平集函数中，确定待分割图像的拟合能量泛函；根据待分割图像的拟合能量泛函，求解演化方程，根据演化方程迭代求解，确定图像分割结果。本发明基于新RSF模型用于提高图像边缘的检测能力，即利用KL熵作为曲线内外部能量的权值系数，模型的内部能量就是曲线附近的局部领域能量，对于灰度不均、对比度低的图片的分割效果比RSF模型好，且同样参数设定情况下，分割同一张图片，迭代次数更少便可以得到相同的分割结果。

技术领域

本发明涉及图像分割技术领域，更具体的涉及一种基于KL熵的RSF水平集图像自动分割方法。

背景技术

图像研究中，人们通常对某一个特定区域感兴趣，图像分割可以将感兴趣的那部分提取出来，正因为如此，作为一门前沿学科，它充满了挑战。图像分割在很多领域都有着广泛的应用，比如航空领域、医学领域、地理测绘等等。例如在医学领域中，图像成为医生进行诊断的重要依据之一，起着十分重要的作用，图像的分割使得医生获得有效的医学信息。将图像进行分割的有效依据是图像的像素的亮度以及颜色。没有正确的分割就无法获得正确的识别。但是，如果仅仅是根据图像的像素的亮度还有颜色进行分割，分割的时候将会遇到很多的阻碍，灰度不均、光照不均匀、噪声影响、阴影等等，这些因素经常会导致图像的分割出现错误。现如今虽然已经研究出了不少边缘提取，区域分割的方法，但是还没有出现一种方法可以适用于所有的图像，因此，引入新的方法，获得正确的图像分割结果是图像处理研究中的重点和难点。

图像分割作为计算机视觉领域的一个难题，上世纪70年代就已经吸引了无数的研究人员对其展开研究，从而提出了很多的分割算法。首先就阈值分割而言，1962年，Doyle提出P-tile算法，这是最古老的阈值分割方法，该算法抗噪性能佳，但是对于先验概率难估计的图像无能为力。1978年，大津展之提出最大类间方差法，其算法简单，当背景与目标的面积相近时，能够对图像进行有效切割。当两者的面积差距比较大的时候，分割效果不佳。1985年，Kaptur等人提出一维最大熵阈值法，此算法对于非理想双峰的直方图也可以很好的切割，但是计算量很大。1989年，Abutaleb在一维最大熵阈值法的基础上将其推广到了二维。近年来，对于图像分割，研究人员又提出了很多新的方法，如赵雪松等人提出了全局二值化和边缘检测算法。图像分割作为图像领域的经典难题，每一种算法都有其独到之处，亦有其不足之处，其分割技术仍在不断的研究和发展中。

CV模型(Chan-Vese模型)是基于区域的水平集，没有涉及到边缘，因而将其最小化便能够得到目标物体的边界。由于异质性和复杂构造的影响，水平集分割的性能会因为附近类似强度的结构的存在而变得扑朔迷离，使其无法识别物体的精确界限。此外，即使在控制参数的最佳配置的情况下，CV模型也无法取得十分准确的分割结果，因此需要大量的人工干预。

综上所述，传统的CV模型只是将灰度同质作为区域分离的准则，只能用于分割目标和背景高对比的图像中，而对于复杂的、非均匀性的图像，CV模型的分割效果不佳。

发明内容

本发明实施例提供一种基于KL熵的RSF水平集图像自动分割方法，用以解决上述背景技术中存在的问题。

本发明实施例提供一种基于KL熵的RSF水平集图像自动分割方法，包括：

获取待分割图像；

对待分割图像进行显著性分析，确定RSF模型的初始水平集；

计算图像的KL熵，将图像的KL熵值作为分割曲线内外部能量的权值系数，并将图像的KL熵引入RSF模型的水平集函数中，确定待分割图像的拟合能量泛函；

根据待分割图像的拟合能量泛函，求解演化方程，根据演化方程迭代求解，确定图像分割结果。