专利名称：水平集图像处理方法
技术领域：
本发明涉及图像处理领域，具体地涉及一种水平集图像处理方法。
背景技术：
图像分割是指根据图像灰度、色彩、纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域中最为基础和重要的环节。图像分割可应用到很多领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割等。在这些应用中，分割是对图像的进一步分析、识别的前提，分割的准确性将直接影响后续任务的有效性。 图像分割的结果用于图像分析，分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。水平集方法是一种传统的图像分割方法。在文献I) S. Osher and J. A. Sethian,Fronts propagating with curvature dependent speed !Algorithms based onHamilton-Jacobi Formulations, Journal of Computational Physics, volume 79，pp. 12-49，1988，文献 2)S.Osher and N. Paragios, Geometric Level Set Methodsin Imaging， Vision, and Graphics， Springer-Verlag, New York，2003，和文献 3)J.Sethian, Level Set Methods and Fast Marching Methods Evolving Interfaces inComputational Geometry,Fluid Mechanics，Computer Vision,and Materials Science，Cambridge University Press，Cambridge, UK，2003中介绍的水平集方法用于跟踪模型对象的界面和形状。另外，还可以参照下面的文献进一步理解现有技术的水平集图像分割方法4)S.Osher and J. A. Sethian, Fronts propagating with curvature dependent speed Algorithms based on Hamilton-Jacobi Formulations, Journal of ComputationalPhysics, volume 79，pp. 12-49，1988 ；5)S.Osher and N. Paragios, Geometric LevelSet Methods in Imaging， Vision, and Graphics， Springer-Verlag, New York，2003 ；6)J.Sethian, Level Set Methods and Fast Marching Methods Evolving Interfaces inComputational Geometry,Fluid Mechanics，Computer Vision,and Materials Science，Cambridge University Press，Cambridge，UK，2003。水平集方法的优点是可以执行在一个固定的笛卡尔网格上的，涉及曲线和表面的数值计算，而无需参数化这些对象(这就是所谓的欧拉方法)。此外，水平集方法使跟踪那些拓扑结构变化的形状变得很容易，例如一个形状分裂成两个，产生孔，或者发生相反的变化。所有这些使水平集方法成为对时变对象(time-varying objects)进行建模的强大工具。
图I表示水平集函数定义的示意图。其中最内侧的曲线表示内部扩展带Φ (S，t)=-d,中间的曲线表示零水平集Φ (S, t) = O,最外侧的曲线表示外部扩展带Φ (S, t)=
+do模型对象的扩散面Y (t)可以表示为高维函数Φ的零水平集，即{Φ = 0}。参照图I，水平集初始状态φ (S，t = O)是Φ (S，t = O) = ±d，其中Se9iN所以模型对象S在时刻t = O的扩散面Y (t = O)(图I中的位于中间的曲线)可以表述为水平集初始状态的零水平集，即y (t = O) = {Si Φ (S，t = O) = 0}因而在任意时刻t > 0，模型对象的扩散面即为水平集在时间t的零水平集Y (t) = {Si Φ (S, t) = 0}水平集在时间t的零水平集可以用偏微分方程(TOE)来解
权利要求
1.ー种水平集图像处理方法，该方法包括 步骤SI,读取原始图像； 步骤S2，对读取的原始图像进行预处理，得到预测目标对象； 步骤S3，从预测目标对象中确认初始目标对象； 在步骤4，利用步骤3获取的初始目标对象初始化水平集函数，得到在时间t = O的模型对象扩散面； 在步骤5,计算在时间t(t > O)的驱动カ； 在步骤6，基于步骤4和5的计算结果获得在时间t(t > O)的模型对象扩散面； 重复步骤5和6，直到满足水平集函数的終止判据。
2.如权利要求I所述的方法，其特征在于，步骤S2进ー步包括 步骤S201，从原始图像I直接读取目标对象的图像灰度值范围[k1; k2]，由此得到该原始图像相应的阈值图像I1 ； 步骤S202，基于阈值图像I1，计算其像素的梯度幅度，得到相应的梯度图像V/1; 步骤S203，减少梯度图像Vir1的噪音，得到抑制噪音后的梯度幅度图像I/ ； 步骤S204，从阈值图像I1中减去抑制噪音后的梯度幅度图像I/，得到图像I2 ； 步骤S205，在图像I2上采用侵蚀法分隔开相邻组织。
3.如权利要求2所述的方法，其特征在于，在步骤S201，阈值图像I1通过下面的公式求得
4.如权利要求3所述的方法，其特征在于，在步骤S202，图像I1中的像素I1(^y)的梯度幅度通过下面的公式求得
5.如权利要求4所述的方法，其特征在于，在步骤S203，通过下式来求得抑制杂散边缘后的梯度幅度图像I/
6.如权利要求5所述的方法，其特征在干， 在步骤204，从图像I1中减去I/，由此产生图像12。此步骤可通过下式得到I2(X) = I1(X)-I' i(x)
7.如权利要求6所述的方法，其特征在于，在步骤S205，侵蚀法E(I2,B)被定义为
8.如权利要求7所述的方法，其特征在于，在步骤S205之后，图像中所有非零部分即为预测目标对象，在步骤3，用户在预测目标对象中确定其所要的分割目标在分割目标范围中的任意一点点击，基于区域生长算法，自动提取分割目标对应的初始目标对象。
9.如权利要求8所述的方法，其特征在干，在步骤4，根据所提取的初始目标对象自动初始化水平集函数，包括如果S位于被确认的初始目标对象区域，则水平集函数Φ (S，t =O)= -I ;如果S不属于被确认的初始目标对象区域，则水平集函数Φ (S，t = O) = I。水平集函数φ (S，t = O)从-I过渡到I的临界面即为在时刻t = O的模型对象S的扩散面Y (t = O)。
10.如权利要求9所述的方法，其特征在干，时间t的驱动カ包括用于驱动所述模型对象的扩散面向目标物体边界移动的外力Frait，用于保持所述模型对象的扩散面在扩展过程中的顺滑的内力Fint，用于降低所述模型对象的扩散面在扩展过程中泄露的风险的平流力1 adv°外力 Fext = g(I)，其中，特征图像 g(I) = {Pobj(j) _pback (i) i e H， 其中，ρ__α)是原始图像I中的像素i属于前景的概率，Pbadt(i)是原始图像I中像素i属于背景的概率，由下述公式计算
11.如权利要求10所述的方法，其特征在于，在任意时刻t，由下述公式计算模型对象的扩散面
全文摘要
一种水平集图像处理方法，该方法包括步骤S1，读取原始图像；步骤S2，对获取的原始图像进行预处理，得到预测目标对象；步骤S3，从预测目标对象中确认初始目标对象；在步骤4，利用步骤3获取的初始目标对象初始化水平集函数，得到在时间t＝0的模型对象扩散面；在步骤5，计算在时间t(t＞0)的驱动力；在步骤6，基于步骤4和5的计算结果获得在时间t(t＞0)的模型对象扩散面；重复步骤5和6，直到满足水平集函数的终止判据。利用本发明的水平集图像处理方法，可以大大减少图像分割和图像处理的时间，提高了图像分割的准确性，最大限度地避免了现有技术的方法中常见的泄漏问题。
文档编号G06T7/00GK102651130SQ201210091548
公开日2012年8月29日 申请日期2012年3月30日 优先权日2012年3月30日
发明者于利君, 宋怡 申请人:宋怡