一种多分辨分析的全局图像分割方法技术
【技术实现步骤摘要】
本专利技术涉及医学图像处理
，尤其涉及一种多分辨分析的全局图像分析算法。
技术介绍
图像分割是图像处理中一项关键问题。图像分割的目的是将给定的图像划分为具有不同特征的若干个子区域。基于变分方法和偏微分方程演化的模型是将分割问题转化为最小化能量泛函求其最小解作为对目标边界的逼近。通过添加各种正则化约束条件求解近年来得到了广泛应用。Mumford-Shah(MS)模型[1]是此类模型之一，该模型基于分片常数假设，对图像做最优化逼近，相当于将图像划分为若干个具有不同特性的同质区域。Chan和Vese提出的Chan-Vese(CV)模型是基于两相位(背景和目标区域)的MS模型以及水平集方法演化的方法，也是目前研究的热点之一。然而，CV模型存在以下问题：第一、通过更新这两个区域的灰度均值来逼近图像。由于其能量泛函与其最小化解集都是非凸的，分割结果是一个局部最优解，使得分割结果易受初始化条件的影响会产生一些分割失误；第二、CV模型对拐点以及细长拓扑结构提取能力非常有限，这是由于CV模型中关于水平集函数的正则项缺失图像梯度信息，因此演化中不能根据图像结构信息处理曲线拓扑变化。XavierB.,Esedoglu等将最小化CV模型能量泛函问题转化为一种凸松弛优化问题,也就是通过求解用于标记不同相位的特征函数以得到最小解。对于已知图像子区域的灰度均值，该模型的能量泛函是凸泛函，其最小化的解集是凸集，一定程度上减小了分割结果受初始条件的影响。然而，当灰度均值未知时，该能量泛函的最小化解集是非凸的，在此情况下不能求得全局最优解。Ethan.S等把原MS模型嵌入到更高维的空...
【技术保护点】
一种多分辨分析的全局图像分割方法，其特征在于，包含以下步骤：步骤1)，利用紧支撑小波变换对待分析图像进行多分辨分解；步骤2)，将多分辨分解后得到的分解系数重构成小波系数矩阵A后，施加于用于表示分割曲线的水平集函数u1的梯度项，构成含多分辨分析信息的分割曲线的正则项||Au1||；步骤3)，将待分析图像分割曲线两侧区域内灰度均值u2、u3求梯度后，将两个梯度间的欧式距离作为边界正则项，其中，v2、v3分别为分割曲线两侧区域内灰度值总和，Ω是待分析图像的总范围；步骤4)，根据步骤2)得到的正则项||Au1||以及步骤3)得到的边界正则项构建变分模型E(u1,u2,u3)：E(u1,u2,u3)=min||Au1||1+∫Ω((u2-I)2-(u3-I)+|||▿u2|-|▿u3|||)dx]]>式中，I表示待分析图像；步骤5)，利用快速对偶算法对变分模型E(u1,u2,u3)进行全局最小化，以实现待分析图像的全局图像分割。
【技术特征摘要】
1.一种多分辨分析的全局图像分割方法，其特征在于，包含以下步骤：步骤1)，利用紧支撑小波变换对待分析图像进行多分辨分解；步骤2)，将多分辨分解后得到的分解系数重构成小波系数矩阵A后，施加于用于表示分割曲线的水平集函数u1的梯度项，构成含多分辨分析信息的分割曲线的正则项||Au1||；步骤3)，将待分析图像分割曲线两侧区域内灰度均值u2、u3求梯度后，将两个梯度间的欧式距离作为边界正则项，其中，v2、v3分别为分割曲线两侧区域内灰度值总和，Ω是待分析图像的总范围；步骤4)，根据步骤2)得到的正则项||Au1||以及...
【专利技术属性】
技术研发人员：葛琦，邵文泽，谢世朋，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。