[发明专利]一种图像分割方法、存储介质

说明书

本申请公开了一种图像分割方法、存储介质，属于图像分割这一技术领域，其设计要点在于：本申请通过设计局部预拟合函数去在迭代前拟合出图像局部区域的平均强度，因此计算速度大幅度提升，计算成本大幅度下降；本申请通过设计一个新的正则化函数去正则化数据驱动项和水平集函数，从而提高系统的鲁棒性和抗噪声干扰性，提高数据驱动项过零点处的灵敏度以及规范化水平集函数的值域。

技术领域

本申请涉及图像解析这一领域，更具体地说，尤其涉及一种图像分割方法、存储介质。

背景技术

主动轮廓模型是图像分割处理中最常用的方法，其基本思想是使用连续闭合的曲线来表达目标边界，并定义一个能量泛函使得其自变量包括边缘曲线，因此分割过程就转变成求解能量泛函最小值的过程，能量达到最小的位置即目标的轮廓线所在。

主动轮廓模型逐渐形成了不同的分类方式，较常见的是根据曲线演化方式的不同，将主动轮廓模型分为基于边界、基于区域和混合型活动轮廓模型。按照模型中曲线表达形式的不同，主动轮廓模型可以分为两大类：参数主动轮廓模型和几何主动轮廓模型。其中，参数主动轮廓模型是基于Lagrange框架，直接以曲线的参数化形式来表达曲线。该类模型在早期的生物图像分割领域得到了成功的应用，但其存在分割结果易受初始轮廓设置的影响以及难以处理曲线拓扑结构变化等缺点。此外，其能量泛函只依赖于曲线参数的选择，与物体的几何形状无关，这也限制了其进一步的应用与发展。此外，几何轮廓模型的曲线演化过程是基于曲线的度量参数而非曲线的表达参数，因此可以较好地处理拓扑结构的变化，并且具有优势例如对初始位置不敏感，具有稳定的数值解等。而水平集函数的引入，则极大地推动了几何主动轮廓模型的发展，因此几何主动轮廓模型一般也可称为水平集方法。

目前存在的几何主动轮廓模型都存在共同的缺点例如对计算速度慢、分割精度差、初始轮廓敏感、系统鲁棒性差、抗噪声干扰性差等。

发明内容

本申请的目的在于针对上述现有技术的不足，提出一种图像分割方法。

本申请的另一目的在于提供一种存储介质。

一种图像分割方法，是基于自适应局部预拟合能量函数和杰弗里斯散度的主动轮廓模型图像分割方法；通过设计局部预拟合函数去在迭代前拟合出图像局部区域的平均强度，因此计算速度大幅度提升，计算成本大幅度下降；通过设计一个新的正则化函数去正则化数据驱动项和水平集函数，从而提高系统的鲁棒性和抗噪声干扰性，提高数据驱动项过零点处的灵敏度以及规范化水平集函数的值域；最后，输出水平集函数φ＝φ_L及分割结果。

基于自适应局部预拟合能量函数和杰弗里斯散度的主动轮廓模型图像分割方法，包括如下步骤：

A.输入：输入图像I；

B.设置以下参数：

最大迭代数N，系数α，系数k，系数w、系数ε(恒值1)；

C.计算预拟合函数：c_s(x)，c_l(x)：

c_l(x)＝mean(I(y)|y∈Ω_l)

c_s(x)＝mean(I(y)|y∈Ω_s)

x表示初始轮廓的中心点；

I(y)表示图像在点局部区域内点y处的亮度/强度；

y表示初始轮廓所包含的局部区域里面的所有点；

Median表示求中值；

其中，Ω_l、Ω_s表示：