[发明专利]基于混合偏移场校正的新型图像分割方法

说明书

本发明提出了一种基于混合偏移场校正的新型图像分割方法，步骤如下：根据输入图像构建混合偏移场图像分解模型，得到图像的乘性偏移场和加性偏移场，将图像分解理论耦合到分段光滑的图像分割模型中；添加乘性偏移场和加性偏移场的正则项以及乘性偏移场的约束项，构建新型的图像分割模型，并采用拉格朗日乘子方法将图像分割模型转化为无约束优化问题；利用交替极小化算法循环迭代求解无约束优化问题的每个子问题，获得最终的分割结果。本发明通过考虑图像的乘性偏移场和加性偏移场，不仅能够有效的去除图像中存在的偏移场，而且能够准确的分割强度不均匀的自然图像和医学图像，对不同的图像分割任务具有鲁棒性。

技术领域

本发明涉及图像分割的技术领域，尤其涉及一种基于混合偏移场校正的新型图像分割方法，主要涉及强度非均匀图像的高级分析和理解，可用于医学图像中疾病的诊断和病理部位的提取，如肿瘤图像的病灶区域分割，进而提取相关的医学特征，辅助医生的诊断，实现精准治疗。

背景技术

图像信息是人类从外界获取信息的主要方式之一。其中，图像分割是图像处理的关键技术之一，是进行图像识别、分析和理解的基础，同时也是数字图像处理领域的研究热点。图像分割是一项复杂的任务，并不像人类视觉系统所感知的一样，由于不同图像的结构的差异性、复杂性，很难使用统一的分割方法来完成不同的分割任务。例如，光照的空间变化以及成像设备的缺陷和限制，往往会导致获得的图像出现照度偏移(灰度不均匀、阴影)，因此，对图像分割技术的研究还在不断的深入。

灰度不均匀通常被描述为一平滑的空间变化函数，称为偏移场，其改变了原始灰度均匀图像的灰度，灰度不均匀图像可以描述为偏移场与原始图像相加或相乘的形式。具体的图像模型分解思想为：基于Retinex理论，照度分量对应于平滑图像，反射分量对应于分段常数图像，可以将强度非均匀的图像分解为一个光滑的偏移量和一个结构部分J₁，即式中I表示观测图像，n为零均值的高斯噪声。与乘性偏移场方法不同，考虑将强度非均匀图像分解为分段常数图像的分量和光滑偏移场的分量的和。即强度不均匀图像分解模型表示为表示光滑的偏移量，J₂表示图像结构的反射分量。一般来说，自然图像和医学图像通常不仅包含一个乘法偏移场，而且还包含一个加性偏移场。因此，我们将乘性偏移场和加性偏移场的混合偏场图像分解模型表示为I＝b₁J+b₂+n，式中，b₁和b₂分别表示乘性偏移场和加性偏移场，J表示需要分割的分段常数图像。

如何从人类视觉感知的角度有效地将强度不均匀的图像分割成几个有意义的区域，并保证分割出的区域在不同分辨率下一致仍然是一个非常具有挑战性的任务。申请号为202010428617.9的发明专利公开了一种基于偏移场和全局光滑先验的非均匀图像分割方法，包括：获取带噪声的灰度不均匀图像；为灰度不均匀图像添加初始轮廓线；将所述灰度不均匀图像分解为结构部分、光照偏移场部分和噪声部分；构建对应多相变分图像分割模型；采用凸优化的交替极小化方法和变量分裂技巧求解上述模型的最优解；采用所构建的多相变分图像分割模型对所述灰度不均匀图像进行图像分割，得到对应的图像分割结果；发明在CVB模型中引入局部常数先验，建立了非均匀图像多相分割模型，同时设计了一个有效的算法来计算求解提出的模型；结果表明，该方法对初始值具有较强的鲁棒性，对带噪声的灰度不均匀图像该方法能获得更精确的分割结果。但是，该发明不能在保持图像的真实信息的同时将图像的偏移场去除，并且有效地描述图像的待分割区域，但是该发明所提出的模型仍有需要改进的地方和提升的空间，例如，该模型涉及的参数过多，需要花费一定的时间去调参以获得理想的实验效果。

发明内容