[发明专利]一种水下图像分割的水平集优化方法

权利要求书

1.一种水下图像分割的水平集优化方法，其特征在于：包含如下步骤：

(1)正则项优化设计，正则项定义为其中，代表梯度的模，Ω表示整个图像域，被积函数的表达式为：

在和两个区间上，以来约束向1迫近，并且在的区间上，利用与相乘，加快趋近于1的速度；

(2)构建水平集能量泛函E_Z＝E_W+E_N，其中，正则项E_N是能量泛函的内部能量项，数据项E_W是能量泛函的外部能量项；

(3)初始水平集函数为φ⁰＝cos(r₁x)cos(r₂y)，其中，r₁为输入的水下图像高度与π的积，r₂为输入的水下图像宽度与π的积，(x,y)是水下图像中的像素点坐标；

(4)根据方程更新水平集函数，演化过程中利用优化正则项提高扩散率，加快模型收敛速度，其中，t为时间，Δt代表时间步长，n代表迭代次数；扩散率函数为

(5)判断水平集函数φ是否达到收敛条件，若未到达条件，则跳转步骤(4)继续演化水平集。

2.根据权利要求1所述的一种水下图像分割的水平集优化方法，其特征在于：对于优化正则项使用欧拉-拉格朗日方程求解出演化方程为：

其中，div代表散度。

3.根据权利要求1所述的一种水下图像分割的水平集优化方法，其特征在于：所述步骤(2)中的能量泛函综合外部项E_W和内部项E_N后的总函数E_Z为：

其中，为数据项，ω_i是调节参数，S是从水下图像中提取的显著性值，sa_i是轮廓内外的显著性平均值，i＝1,2作为下标用来区分轮廓内外区域，g代表边缘权重，H(φ)是赫维赛德函数。

4.根据权利要求3所述的一种水下图像分割的水平集优化方法，其特征在于：水平集函数经梯度下降法求解后得到水平集演化方程为：

其中，div代表散度，步骤(4)中根据所述水平集演化方程进行更新迭代。