[发明专利]一种图像轮廓分割方法及系统

权利要求书

1.一种图像轮廓分割方法，其特征在于，所述分割方法包括如下步骤：

获取原始图像的边缘指示函数和梯度矢量流；

初始化原始图像的水平集函数和偏置域，获得当n＝1时的第n-1次迭代的水平集函数和偏置域；

根据所述边缘指示函数、所述梯度矢量流和第n-1次迭代的水平集函数和偏置域，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域；

根据第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域，采用引入测地边缘项的方式，计算第n次迭代的水平集函数；

判断第n次迭代的水平集函数和第n-1次迭代的水平集函数的差值是否小于稳定阈值；

若第n次迭代的水平集函数和第n-1次迭代的水平集函数的差值不小于稳定阈值，则令迭代次数n的数值增加1，返回步骤“根据所述边缘指示函数、所述梯度矢量流和第n-1次迭代的水平集函数，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域”；

若第n次迭代的水平集函数和第n-1次迭代的水平集函数的差值小于稳定阈值，则输出第n次迭代的水平集函数的零水平集函数曲线轮廓作为所述原始图像的轮廓；

所述根据所述边缘指示函数、所述梯度矢量流和第n-1次迭代的水平集函数和偏置域，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域，具体包括：

根据所述边缘指示函数、所述梯度矢量流和第n-1次迭代的水平集函数，利用公式计算第n次迭代的权重因子ω_n；

其中，T_n-1(φ_n-1(x,y),k)表示边缘指示函数在第n-1次迭代的水平集轮廓的2k相邻轮廓上的平均灰度强度，ψ(φ_n-1(x,y),m)和ψ(φ_n-1(x,y),-m)分别表示第n-1次迭代的水平集轮廓的正m相邻轮廓和负m相邻轮廓，φ_n-1(x,y)为第n-1次迭代的水平集函数；g(I(x,y))为原始图像的边缘指示函数，I(x,y)为原始图像中以(x，y)为坐标的像素点的灰度值；

表示第n-1次迭代的水平集轮廓的法向量，δ(·)是Dirac函数，是梯度算子，γ_n-1(φ_n-1(x,y),k)表示边缘指示函数在第n-1次迭代的水平集轮廓的2k相邻轮廓的梯度矢量流的内积，，表示第n-1次迭代的水平集轮廓的法向量，表示原始图像的梯度矢量流；

根据第n-1次迭代的水平集函数和偏置域利用公式计算第n次迭代的局部强度均值c_n,i，其中，K_σ是标准差为σ的高斯核函数，M_n-1,i(φ_n-1(x,y))表示基于第n-1次迭代的水平集函数获取的原始图像的特征函数，b_n-1(x,y)表示第n-1次迭代的偏置域；i＝1或2，i＝1表示原始图像的图像目标，i＝2表示原始图像的背景；

根据第n-1次迭代的水平集函数，利用公式计算第n次迭代的全局强度均值m_n,i；

根据第n次迭代的局部强度均值和第n-1次迭代的水平集函数，利用公式计算第n次迭代的偏置域b_n(x,y)。

2.根据权利要求1所述的图像轮廓分割方法，其特征在于，所述获取原始图像的边缘指示函数和梯度矢量流，具体包括：

获取原始图像的边缘指示函数：其中，K_σ是标准差为σ的高斯核函数；

利用matlab软件中的gradient获取原始图像的梯度矢量流

3.根据权利要求1所述的图像轮廓分割方法，其特征在于，所述初始化原始图像的水平集函数和偏置域，获得当n＝1时的第n-1次迭代的水平集函数和偏置域，具体包括：

根据原始图像I(x,y)，初始化原始图像的水平集函数

初始化偏置域b₀(x,y)＝0,其中，ρ是正常数，Ω₀是原始图像的初始轮廓的内部区域，是原始图像的初始轮廓，Ω是原始图像的图像域，(x,y)是原始图像的像素的位置。