一种能量自适应的快速水平集图像分割方法与流程

本发明涉及图像处理，特别涉及一种能量自适应的快速水平集图像分割方法。

背景技术：

1、在不同场景、不同类型的图像获取过程中，由于图像获取的复杂性和不确定性，可能会因为采集设备的不同或环境的干扰等问题增加图像信息的复杂性，从而使获取到的原始图像中产生灰度不均匀、低对比度、边缘模糊、噪声等不利于分割的干扰因素，因此对于存在复杂干扰的图像分割技术的研究具有重要意义。

2、目前一些传统图像分割方法仍然需要人工手动干预才能实现，而人工干预不仅会消耗技术人员更多的时间和精力，而且在分割结果的准确性和有效性上，很大程度地取决于技术人员的经验、技巧和主观判断。

技术实现思路

1、本部分的目的在于概述本发明的实施的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述和/或现有的能量自适应的快速水平集图像分割方法中存在的问题，提出了本发明。

3、因此，本发明所要解决的问题在于如何提供一种能量自适应的快速水平集图像分割方法。

4、为解决上述技术问题，本发明提供如下技术方案：一种能量自适应的快速水平集图像分割方法，其包括，读取从图像分割数据集中获取的待分割图像；对待分割图像进行中值滤波卷积运算，得到新图像；计算控制水平集函数演化的能量泛函，并求得水平集演化方程；通过径向基神经网络对水平集演化方程进行求解，以更新水平集函数，根据水平集函数的动态演化得到图像分割结果。

5、作为本发明所述能量自适应的快速水平集图像分割方法的一种优选方案，其中：所述待分割图像包括灰度不均匀图像和噪声图像；所述中值滤波卷积运算公式如下：

6、i*＝gδ*i0(x)

7、其中，i*为经中值滤波卷积运算后的新图像；gδ为中值滤波核；i0(x)表示待分割图像。

8、作为本发明所述能量自适应的快速水平集图像分割方法的一种优选方案，其中：所述能量泛函包括全局能量项、局部能量项和长度能量项；其中，所述全局能量项包括，由边缘指示函数构造而成，边缘指示函数公式如下：

9、

10、式中，gp为边缘指示函数，i0为原始待分割图像，x是图像的像素坐标，为原始图像的梯度；

11、全局能量项e1公式如下：

12、

13、式中，λ1＝λ2＝1为权重系数；ω为图像域，m1(φ)＝h(φ)，m2(φ)＝1-h(φ)；φ为水平集函数，h()为heavisdie函数，dx为积分变量；其中，包括和公式如下：

14、

15、式中，优化后的演化曲线内全局灰度拟合均值；为优化后的演化曲线外全局灰度拟合均值。

16、作为本发明所述能量自适应的快速水平集图像分割方法的一种优选方案，其中：所述局部能量项包括由边缘指示函数构造而成的自适应高斯核函数，利用图像不同区域特性自适应改变窗口尺度σg值；

17、其中，窗口尺度σg值公式如下：

18、σg＝mean(αgp(i0(x))+1)

19、式中，mean()表示取平均值，α为修正系数，根据图像像素大小进行取值；

20、根据自适应高斯窗口尺度σg，构造自适应高斯核函数kσ；所述自适应高斯核函数kσ公式定义如下：

21、

22、式中，exp()为指数函数；根据自适应高斯核函数构造模型的局部能量项e2；局部能量项e2公式如下：

23、

24、式中，x为高斯邻域中心点坐标，y为高斯邻域范围内的像素坐标，dx，dy为积分变量，m1(φ)＝h(φ)，m2(φ)＝1-h(φ)；其中，包括和公式如下：

25、

26、式中，为演化曲线内局部灰度拟合值；演化曲线外局部灰度拟合值。

27、作为本发明所述能量自适应的快速水平集图像分割方法的一种优选方案，其中：所述长度能量项公式如下：

28、

29、式中，δ(φ)为狄拉克函数。

30、作为本发明所述能量自适应的快速水平集图像分割方法的一种优选方案，其中：所述水平集能量泛函e的公式如下：

31、e＝p(x)e1+(1-p(x))e2+ve3

32、式中，p(x)为自适应权重函数，函数值范围为p(x)∈[0,1]；v>0，为长度项系数；自适应权重函数p(x)的公式为：

33、

34、式中，θ＝1e-6，目的是避免分母出现为0的情况。

35、作为本发明所述能量自适应的快速水平集图像分割方法的一种优选方案，其中：由所述能量泛函得到的水平集演化方程，根据变分法和最速下降法得到水平集演化方程公式如下：

36、

37、式中，div为散度算子；为拉普拉斯算子；其中，f1和f2表达式如下：

38、

39、

40、式中，f1为全局能量项e1对水平集函数求导得到的能量梯度流；f2为局部能量项e2对水平集函数求导得到的能量梯度流。

41、作为本发明所述能量自适应的快速水平集图像分割方法的一种优选方案，其中：所述径向基神经网络包括输入层、隐藏层、扩展层以及输出层；其中，令原始图像i0的图像域为ω，将图像域ω离散的n个节点xj(j＝1,2,3,…n)，每个节点视为一个神经元；将图像域上任意一个像素节点坐标作为神经网络的输入层，隐藏层采用n个径向基函数作为核函数，将水平集函数嵌入扩展层，图像的能量泛函为输出层的损失函数，采用反向传播算法对水平集演化方程进行数值求解；其中，采用的径向基函数的定义式如下：

42、

43、式中，r为像素点到径向基函数中心的距离。

44、第二方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述方法的任一步骤。

45、第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述方法的任一步骤。

46、本发明有益效果为利用图像梯度信息构建出新的边缘停止函数，并融入到全局灰度拟合项中，加快了曲线演化速度的同时也提高了对目标边缘细节信息的检测能力；构造出一个自适应高斯核函数，并基于自适应高斯核函数构造出局部能量项，实现了可以根据图像像素大小自适应地调节高斯窗口的邻域大小，加快了局部灰度拟合的效率，进而提高图像分割效率；充分利用图像的全局灰度信息和局部灰度信息构建出自适应权重函数，实现了自适应地调节全局力和局部力的大小，保证了分割精度；同时利用了图像的全局信息和局部信息，大大增强了水平集初始轮廓设置的鲁棒性，减少了初始轮廓设置造成的干扰。

技术特征：

1.一种能量自适应的快速水平集图像分割方法，其特征在于：包括，

2.如权利要求1所述的能量自适应的快速水平集图像分割方法，其特征在于：所述待分割图像包括灰度不均匀图像和噪声图像；所述中值滤波卷积运算公式如下：

3.如权利要求1或2所述的能量自适应的快速水平集图像分割方法，其特征在于：所述能量泛函包括全局能量项、局部能量项和长度能量项；其中，所述全局能量项包括，由边缘指示函数构造而成，边缘指示函数公式如下：

4.如权利要求3所述的能量自适应的快速水平集图像分割方法，其特征在于：所述局部能量项包括由边缘指示函数构造而成的自适应高斯核函数，利用图像不同区域特性自适应改变窗口尺度σg值；

5.如权利要求3所述的能量自适应的快速水平集图像分割方法，其特征在于：所述长度能量项公式如下：

6.如权利要求3所述的能量自适应的快速水平集图像分割方法，其特征在于：所述水平集能量泛函e的公式如下：

7.如权利要求3所述的能量自适应的快速水平集图像分割方法，其特征在于：由所述能量泛函得到的水平集演化方程，根据变分法和最速下降法得到水平集演化方程公式如下：

8.如权利要求1所述的能量自适应的快速水平集图像分割方法，其特征在于：所述径向基神经网络包括输入层、隐藏层、扩展层以及输出层；

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～8任一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～8任一所述方法的步骤。

技术总结
本发明公开了一种能量自适应的快速水平集图像分割方法，涉及图像处理技术领域，包括读取待分割图像；进行中值滤波卷积运算；计算控制水平集函数演化的能量泛函，由此求得水平集演化方程；通过径向基神经网络对方程进行求解，得到图像分割结果。本发明构建出新的边缘指示函数，加快了曲线演化速度的同时也提高了对目标边缘细节信息的检测能力；构造自适应高斯核函数，加快了局部灰度拟合的效率，提高了图像分割效率；构建自适应权重函数，保证了分割精度；同时利用图像的全局信息和局部信息，增强了水平集初始轮廓设置的鲁棒性，减少了初始轮廓设置造成的干扰。

技术研发人员：李红光,将晨曦,刘颖,尹莹,黄志斌,马永桃,高源良,黄洪达,黄尚杰,张蕾,黄日平,石凌霄,廖芷羚,黄小玲,刘宝华,黄司司,李豪鹏,李春容,韦文标,覃炜梅,杨嘉敏,刘绍偑,朱天成,梁裕鑫,黄琦,刘春成,伊然,郑毅
受保护的技术使用者：广西电网有限责任公司贵港供电局
技术研发日：
技术公布日：2024/1/15