[发明专利]混合高斯分布模型的活动轮廓图像分割方法

摘要

本发明公开一种基于混合高斯分布模型的活动轮廓图像分割方法，其包括：根据现有活动轮廓模型LGDF提出一种新的同时考虑图像全局范围内灰度的高斯分布与局部范围内灰度的高斯分布特性，然后将两种不同范围内的高斯分布模型整合到一个能量泛函中，以有效利用图像的全局信息与局部信息在图像分割中的作用；此外，为了保证分割结果曲线的光滑性和不合理弯曲造成的曲线长度问题，距离偏移和曲线长度两种不同的惩罚约束项被引入到能量泛函中；最后，以变分水平集的方法执行能量泛函的求解，实现目标轮廓的全自动提取。本发明公开基于混合高斯分布模型的活动轮廓图像分割方法能够在不同图像背景和灰度均匀性情况下较为准确地提取图像中的目标物体。

主权项

1.混合高斯分布模型的活动轮廓图像分割方法，其特征在于，具体包括以下内容：在全局图像区域内计算像素灰度的高斯分布模型，并借鉴局部高斯分布拟合LGDF模型提出一个全局高斯分布的能量泛函，即全局高斯分布拟合GGDF模型；然后在局部区域内，求解像素灰度的高斯分布模型，并用局部灰度平均值替换GGDF模型中的像素灰度全局平均值，进而得到一个同时考虑图像全局与局部灰度的混合高斯分布的能量泛函，对改进后的GGDF模型的能量泛函中引入轮廓曲线约束项；通过变分求解框架模块构建能量泛函后，使用变分水平集的求解框架进行数学计算，即目标物体的轮廓以高维度隐式水平集的方法表示，然后通过梯度下降流和欧拉‑拉格朗日方程将能量泛函转化为一个与时间相关的偏微分方程，通过逐次迭代的方式推动初始轮廓曲线的演化直到轮廓曲线得到所需目标物体的边界而得到能量泛函的最优值。