专利名称：基于非下采样轮廓波和多相cv模型的图像分割方法
技术领域：
本发明涉及图像处理领域，尤其是一种既可以保证分割图像的全局性，又可以分割出图像的细节信息的基于非下采样轮廓波(Nonsubsampled contour let transform,NSCT)的活动轮廓模型图像分割的方法。
背景技术：
图像分割是计算机视觉的基础，通过分割技术可使更高层的图像分析和理解成为可能。图像分割技术有着非常广泛的应用范围，如遥感卫星图像处理、交通监控以及军事、农业等方面。在过去的二十年里，多分辨率分析方法和变分方法是比较流行的图像分割方法。多分辨率分析的图像分割技术首先对输入的图像进行变换(具体的变换包括如小波变换，轮廓波变换和NSC T等)；接下来对变换后的系数按照某种规则进行统计分析；最后进行反变换即可。小波变换和轮廓波变换都是图像多分辨率表示的典型代表，均可在边缘等细节信息上获得较为理想的图像分割效果。然而，由于变换中存在下采样过程，两种变换在某些图像分析方面效果不是很理想，如矢量活动轮廓模型等。NSCT建立在迭代非下采样滤波器基础上以获得多分辨率表示，具有更广的应用面。变分技术是一种直接提取图像某些统计特征的方法，Chan-Vese(CV)模型是一个基于区域分割的活动轮廓模型的变分算法。CV分割特征不是提取所有细节信息，而是通过最小化某个能量函数来获取图像轮廓的同时舍掉与分割区域无关的信息部分。CV模型可以应用于标量模型或矢量模型，其中，矢量CV模型可以应用在大多数情况下，如遥感图像或彩色图像等。然而，由于仅采用图像的空间特征，CV模型还包含许多不相关的信息从而导致较高的计算复杂度。
发明内容
本发明是为了解决现有技术所存在的上述技术问题，提供一种既可以保证分割图像的全局性，又可以分割出图像的细节信息的基于非下采样轮廓波的活动轮廓模型图像分割的方法。本发明的技术解决方案是:一种基于非下采样轮廓波变换的活动轮廓模型图像分割方法，其特征在于按如下步骤进行:
约定:/指待分割图像W代表图像/的整个区域，且简单的图像分割满足R=R1 U R2 ；NSCT变换的分解层数为；NSCT变换系数的高斯混合模型中的待估计参数
权利要求
1.一种基于非下采样轮廓波变换的活动轮廓模型图像分割方法，其特征在于按如下步骤进行: 约定:/指待分割图像W代表图像/的整个区域，且简单的图像分割满足R=R1 U R2 ；NSCT变换的分解层数为；NSCT变换系数的高斯混合模型中的待估计参数
全文摘要
本发明公开了一种基于非下采样轮廓波变换的活动轮廓模型图像分割方法。首先，通过非下采样轮廓波变换进行待分割图像的多分辨率表示；其次，建立多分辨率系数的概率模型；最后，利用基于区域的活动轮廓模型进行多分辨率系数的整合操作以达到图像分割的目的。实验结果表明，本发明的方法可以很好地进行图像的分割操作，既可以保证分割图像的全局性，又可以分割出图像的细节信息。
文档编号G06T7/00GK103208113SQ20121057387
公开日2013年7月17日 申请日期2012年12月26日 优先权日2012年12月26日
发明者王相海, 方玲玲, 宋传鸣, 倪培根, 王金玲 申请人:辽宁师范大学