一种融合边缘和区域的活动轮廓图像分割方法技术

本发明专利技术公开了一种活动轮廓模型图像分割方法，用于解决现有图像分割问题效率低，图像分割结果不理想的问题。本发明专利技术包括如下步骤：输入图像，通过使用LP‑Garbor滤波器的相位一致性边缘检测算法得到图像的边缘信息；设定阈值，去除因噪声影响得到的毛刺；以各个边缘段的质心为种子点区域生长，得到目标区域；最后以目标区域为初始轮廓位置，使用边缘信息重写活动轮廓模型能量泛函，进行图像的完全分割。本发明专利技术既保留了活动了活动轮廓模型全自动快速全局图像分割的优点，又结合了图像边缘区域信息，改进了活动轮廓模型算法在前景背景颜色相似或前景目标存在阴影等情况下的不足。除此之外，由于本发明专利技术方法初始化位置较接近于待分割目标，在运行效率上也得到了很大的提高。同时实现全自动的图像分割。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种活动轮廓模型图像分割方法，用于解决现有图像分割问题效率低，图像分割结果不理想的问题。本专利技术包括如下步骤：输入图像，通过使用LP?Garbor滤波器的相位一致性边缘检测算法得到图像的边缘信息；设定阈值，去除因噪声影响得到的毛刺；以各个边缘段的质心为种子点区域生长，得到目标区域；最后以目标区域为初始轮廓位置，使用边缘信息重写活动轮廓模型能量泛函，进行图像的完全分割。本专利技术既保留了活动了活动轮廓模型全自动快速全局图像分割的优点，又结合了图像边缘区域信息，改进了活动轮廓模型算法在前景背景颜色相似或前景目标存在阴影等情况下的不足。除此之外，由于本专利技术方法初始化位置较接近于待分割目标，在运行效率上也得到了很大的提高。同时实现全自动的图像分割。【专利说明】
本专利技术涉及数字图像处理
，具体涉及一种融合边缘和区域的活动轮廓图 像分割方法。
技术介绍
图像分割是数字图像处理的关键步骤，主要可分为基于阈值、基于区域、基于边缘 的分割方法以及基于特定理论的分割方法等几类。一般情况下各种方法结合使用。图像边缘检测即标识图像属性中的显著变化的点，属性的显著变化反映了图像中 不同区域的变化。最为常用的边缘检测方法为一阶，二阶边缘检测算子，如Laplacian算子、 Laplacian-Gauss算子、Robert s算子、Sobel算子等，其核心思想大多基于图像的亮度梯度 信息的。而相位一致性是假设图像中傅里叶级数分量之和最大的点为特征点。图像中存在 大量的阶跃边缘，线边缘，屋顶及介于阶跃边缘和线边缘之间的边缘信息。国内外众多学者 研究发现，各种各样的特征类型都可在相位一致性高的点出现，包括阶跃、线、屋顶以及马 赫带。因此，相位一致性方法能够更有效的检测到图像的边缘。学者Kovesi等人提出了使用 Log Gabor滤波器的相位一致性方法，取得了较好的实验结果。本专利技术即采用Log Gabor滤 波的相位一致性进行边缘检测。 随着水平集方法的应用，活动轮廓模型在图像分割问题上也取得了很好的发展。 近年来，尤其Chan-Vese(CV)模型得到了很好的发展，许多学者在CV模型的基础上做了相关 方面的研究，并提出了许多有效的改进方案。早年较为典型的改进主要有:Kimmel等人考虑 图像的边界梯度信息，提出了 CV模型与GAC模型相结合的思想，实现了对弱边界图像的良好 分割；李纯明等人针对水平集演化过程中的重新初始化问题，提出了避免水平集重新初始 化的距离正则项的概念。另外，许多学者在此基础上也对模型进行了许多优化改进，如近期 提出的基于距离正则化的水平集演化模型，考虑图像区域信息的基于距离正则化的水平集 演化模型等。本专利技术同时在CV模型中同时考虑图像的边缘信息及区域信息，对能量泛函进 行改写。
技术实现思路
本专利技术为解决现有技术存在的缺陷，提供一种融合边缘和区域信息的活动轮廓图 像分割方法。既保留了活动轮廓模型图像分割算法全局分割的优点，同时融合相位一致性 的边缘检测算法得到图像边缘信息，借助区域生长方法得到图像的目标区域，进一步分割 得到精确的分割结果。改进了活动轮廓模型分割噪声多的问题，在运行效率上也有一定提 尚。 为解决上述技术问题，本专利技术所采用的技术方案是： -种融合边缘和区域的活动轮廓图像分割方法，其特征在于，包括以下步骤： 步骤SI:输入图像，使用LP-Garbor滤波器的相位一致性边缘检测算法定位得到图 像的边缘信息；步骤S2:设定阈值t，将长度小于t的边缘段去掉，去除因噪声影响得到的毛刺； 步骤S3:以各个边缘段的质心为种子点区域生长，得到目标区域；步骤S4:以目标区域为初始轮廓位置，使用活动轮廓模型进行图像的详细分割； 步骤S5:输出要分割的目标图像。 进一步地，上述的步骤S3具体包括以下步骤：步骤S3.1、在得到图像的边缘信息之后，寻找各边缘段的质心为种子点，将已标记 的边缘点作为种子点压入堆栈edge; 步骤S3.2、从edge堆栈中取出一种子点，计算种子点与其四邻域像素（x，y)性质 差，如果该差小于阈值E，则生长还未到达该区域边界，赋予与种子点相同的标识，压入堆 栈，seed; 步骤S3.3、从堆栈seed中取出一个新的种子点，继续四连通方向生长，把邻近满足 生长条件的点并入，生成新的区域； 步骤S3.4、重复步骤S3.3直到不再存在邻近满足生长条件的点为止，该区域生成 过程结束； 步骤S3.5、从堆栈edge中逐个取出其他种子点，按S3.2-S3.4步骤进行生长。 进一步地，上述的步骤S4具体包括以下步骤：步骤S4.1、区域生长所得到的目标区域，二值化得到模板T;步骤S4.2、根据模板T，定于水平集函数，初始化活动轮廓曲线；步骤S4.3、根据图像边缘信息，计算边缘停止函数g;步骤S4.4、确定改进CV活动轮廓模型能量泛函；步骤S4.5、对能量泛函进行数值求解，迭代最小化能量，得到最终水平集函数； 步骤S4.6、得到最终图像分割结果。本专利技术的该方法融合了图像边缘区域信息和活动轮廓模型图像分割算法，先利用 Log Gabor滤波器的相位一致性边缘检测算法，得到图像边缘信息，并使用四邻域区域生长 算法得到目标初始区域，再利用图像的边缘信息和区域信息改写CV模型，迭代数值求解，得 到准确的图像分割结果。它既保留了CV全局分割的优点，同时借助边缘信息，改进了在背景 颜色相似，或前景目标存在噪声等情况下CV模型的不足。除此之外，由于本方法初始化轮廓 线位置接近于待分割目标位置，在运行效率上也有一定的提高。【附图说明】图1本专利技术的流程框图。【具体实施方式】下面结合实施例对本专利技术作进一步的描述，所描述的实施例仅仅是本专利技术一部分 实施例，并不是全部实施例。基于本专利技术中的实施例，本领域的普通技术人员在没有做出创 造性劳动前提下所获得的其他所用实施例，都属于本专利技术的保护范围。本专利技术的实验平台是在Matlab R201 Ib平台上进行的，计算机系统配置：CI3U为 Inte I(R) Core (TM) i 5-3470;主频为 @3 · 20GHz ;内存为 4GB;操作系统为 Microsoft Windows7Professional〇 本专利技术所提出的融合边缘和区域的活动轮廓图像分割方法主要包括Log Gabor滤 波器相位一致性方法对图像边缘检测，及进一步改写活动轮廓模型泛函，迭代数值求解两 大模块。 首先是Log Gabor滤波器相位一致性方法计算图像边缘信息主要步骤： 图像信号I讲行俥里叶级数展开：(1) An为第N个余弦分量的振幅，％〇)表示在X位置的局部相位。用能量求解PC函数， 其关系为： E(X)=PC(X) ΣηΑη (2) Log Garbor滤波器在空间定位方面和频率的分离都拥有非常良好的性能，且对图 像的自然编码更有效，选用Log Garbor作为定位相位一致的滤波器，其正弦和余弦的响应 方程式为： (3) (4) Gabor滤波器的余弦和正弦的系数，Rn为局部频率的振幅，θη为局部 频率的相位。PC函数表示为：(5) 为相位的加权平均。得到图像边缘信息之后，通过阈值法去除细小毛刺边缘。 其次，基于图像的边缘信息，进行区域生长得到目标区域，主要步骤本文档来自技高网...

【技术保护点】
一种融合边缘和区域的活动轮廓图像分割方法，其特征在于，包括以下步骤：步骤S1：输入图像，使用LP‑Garbor滤波器的相位一致性边缘检测算法定位得到图像的边缘信息；步骤S2：设定阈值t，将长度小于t的边缘段去掉，去除因噪声影响得到的毛刺；步骤S3：以各个边缘段的质心为种子点区域生长，得到目标区域；步骤S4：以目标区域为初始轮廓位置，使用活动轮廓模型进行图像的详细分割；步骤S5：输出要分割的目标图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：梁久祯，李敏，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏;32