[发明专利]基于全局信息和局部信息自适应拟合的图像分割方法

摘要

本发明公开一种基于全局信息和局部信息自适应拟合的图像分割方法，方法中所用模型是在分析改进的CV模型的演化模式和全局信息的基础上，增加了LBF模型中局部信息的优点，融合图像局部信息和全局信息，由图像几何信息和数学分析实现相关权重系数的自适应，很好地解决了原有模型对初始轮廓线敏感、水平集重新初始化、数值求解复杂、分割效率低、分割效果差和人为因素的干扰等问题。

主权项

一种基于全局信息和局部信息自适应拟合的图像分割方法，其特征在于按如下步骤进行：步骤1.读入图像相关信息，并设置相关高斯核函数；步骤2.建立水平集演化方程：其中，所述为水平集，所述为初始图像，所述其余符号见公式~；步骤3.为了求解模型，初始化水平集函数，令；步骤4.计算参数：其中，所述为轮廓曲线在第n次迭代后，图像在其内部和外部的全局信息，所述和为曲线内部和外部区域的图像在点x处的个局部拟合值，所述为高斯核，所述为拟合参数，为Heaviside函数，其定义为：步骤5.利用有限差分法，根据公式更新水平集函数：其中，为迭代步长，为了实现水平集函数的正则化并加速演化过程，令；步骤6.使用“停止准则”检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代；否则，令，并转入步骤4。