有益效果是：一种基于多特征的灰度不均图像快速分割方法，通过引入 相似性理论快速估计偏压场信息，从而简化了局部信息模型，不但在运行速度上有了很大 的提高，而且降低了对初始化轮廓信息的敏感度；本方法与经典算法相比，通过构造与阶跃 函数更近似的Heaviside函数，在分割曲线的光滑度上表现更优；本方法通过引入双重终 止条件，根据图像内容的不同自适应的结束曲线演化进程，从而提高了分割算法的速度。
【附图说明】
[0052] 图1.本发明的整体结构流程图；
[0053] 图2-1.原有Heaviside函数的图像；
[0054] 图2-2.本发明提出的函数的图像；
[0055] 图3-1.本发明提出的用来控制水平集稳定性的正则化函数；
[0056] 图3-2.本发明提出的用来控制水平集稳定性的正则化函数的导函数图；
[0057] 图4.本发明与现有经典方法对合成图像分割结果对比图；
[0058] 图5.本发明与现有经典方法对X射线胫骨图像分割结果对比图；
[0059] 图6.本发明与现有经典方法对显微镜下细胞图像分割结果对比图。
【具体实施方式】
[0060] 下面结合附图和实施例对本发明作进一步说明。
[0061] 本实例通过外场实验来验证本发明的有效性。
[0062] 一种基于多特征的灰度不均图像快速分割方法，其特征在于，包括下述步骤：
[0063] 步骤1，输入待分割图像：10。
[0064] 步骤2,初始化闭合曲线轮廓及相关参数：设置初始轮廓C。，使用公式（2)初始化 水平集函数Φ。，设置时间步长：Δ t = 0. 1，用来控制曲线光滑度函数Heaviside中的参数 设置为：ε = L 5,长度惩罚项参数：μ = λ X2552, λ e (〇, 1);公式（3)H_(x)是曲线光 滑度Heaviside函数，其中该函数的曲线如图2-2所示，图2-1表示原始的Heaviside函数 曲线图，该函数中参数ε (图2中使用印silon代替）的取值不同得到的结果不同，图2-1 和图2-2中分别针对该参数的取值为0. 5, 1，1. 5和2等四个值绘制曲线进行比较；
[0067] 其中，π为圆周率；
[0065] :(:2)
[0066] (3)
[0068] 步骤3,利用相似性原理构建局部能量信息模型：根据步骤2中初始化信息建立局 部信息模型、全局信息模型以及正则化能量模型，将三类模型嵌入到水平集框架中，得到总 能量信息模型并进行曲线演化；
[0069] 所述的总能量信息模型表示如下：
[0070] Ε(Φ) = α ·Ει(Φ) + β · Eg ( Φ)+Rp ( Φ) (4)
[0071] 其中Ε(Φ)表示总的能量模型；Ε\Φ)表示局部统计信息模型；ΕΥΦ)表示全局 统计信息模型 ；Ι?Ρ(Φ)用来表示距离正则化能量模型；α，β是分别用来控制局部和全局 信息模型的非负常数；
[0072] 步骤3. 1 :利用局部统计相似度特征估计真实图像模型；
[0073]
C5)
[0074] 其中令W = (W1, ...，wj表示权值参数，wk为对应的第k个基函数的权值；令G(X) =Ig1 (X)，. . .，gk (X)}表示基函数，gk为第k个基函数；k表示基函数的个数，本方法通过定 义一个八邻域的子空间来估计函数值，其中基函数使用不同尺度的高斯核函数估计表示； 从而得出局部统计信息模型：
[0075] J (X) = I (X) /B，（X) (6)
[0076] 其中J(X)表示局部信息模型估计值，I(X)表示原始图像，B'（X)表示公式⑶中 偏压场信息估计值；
[0077] 相应地，带有隐函数形式的图像的局部信息模型能量方程表示如下：
[0078]
[0079] 其中以(11，(12，（}))表示局部信息能量函数4表示闭合曲线区域；(1 1，(12分别表示 图像局部区域内外的灰度均值；Φ (X)表示隐函数零水平集轮廓；
[0080] 步骤3. 2 :利用全局相容性特征改进全局能量信息模型；
[0081] 构造一个近似度高的Heaviside函数提高闭合曲线的光滑度，所述构造的函数定 义如上述公式（3)所示，其导函数为：
[0083] 所述的Ηη?函数拟合0-1阶跃函数构造新函数；[0084] 得出下面的全局能量信息模型：
[0082] C8)
[0085]
(9)
[0086] 其中EYc1, c2, Φ)表示全局统计信息模型Cl，C2*别表示图像局部区域I(X)内外 的灰度均值；
[0087] 步骤3. 3 :拟合快速多项式函数建立正则项模型；
[0088] 正则化函数及其导函数描述如下：
[0089] LiN 丄utadyjy? λ d/ο ιι\
[0090]
[0091] 其中i?(|v4>表示正则化函数，如图3-1所示，|w|表示该函数的自变量，其物理含 义表示符号距离属性函数；办(I^I)函数如图3-2所示，表示该函数的自变量。
[0092] 通过图3-1和图3-2分析得出以下结论：
[0093] (a)当|V^| >：[时，扩散速率为正，则减少的变化；
[0094] (b)当(M)<|V0|<1时，扩散速率为负，则增加|V>|的变化；
[0095] (C)当时，扩散率为正，则进一步减少|v>|的变化直到为零；
[0096] 由上述分析给出距离正则化能量的数学形式表示如下：
[0097]
(12)
[0098] 其中A1, μ丨表示控制常量参数。
[0099] 步骤4,将步骤3中三类信息模型嵌入到水平集框架进行曲线演化，使用双重终止 条件进行判断曲线演化是否终止：若条件不满足，则跳转到步骤（3)接着进行曲线演化；若 满足条件，则算法终止，提取零水平集轮廓得到分割结果。
[0100] 所述的双重终止条件为：
[0101] 在曲线演化过程中分别设置一个整数类型的迭代控制器，和一个布尔类型的迭代 标识；用来标识相邻时刻的闭合曲线之差是否到达给定的临界值，所述的迭代控制器初始 值为1，所述的布尔类型的迭代标识初始值为true，如果达到临界值，则再继续判断迭代控 制器是否达到给定的阈值，如果达到阈值，则修改迭代标识为假，曲线演化终止；否则迭代 控制器自增，并继续进行循环；本方法在整个循环中的次数小于预设的迭代最大次数。
[0102] 所述的双重终止条件具体的为：已知t时刻与t-Ι时刻零水平集闭合曲线的长度 Len (C(t))、Len (C(t-Ι));闭合曲线长度阈值LenMin ;迭代最大次数Tmax ;布尔类型的迭代 标识bool，当该变量取值为true时，表示算法继续进行迭代；当该变量取值为false时，表 示算法终止迭代。其中初始值为true ;迭代计数器n，初始值为1，满足条件时的迭代控制 器k，初始值为1，阈值Threshold = 10 ;
[0103] 当满足迭代标识bool为true，并且迭代计数器η小于Tmax时：计算当前闭合曲 线的长度差值：cur_length= |Len(C(t))-Len(C(t-l)) I ;然后计数器更新：η = η+1 ;如果 t时刻闭合曲线长度差值cur_length小于闭合曲线长度阈值LenMin，并且k = Threshold， 令bool = false，曲线演化迭代终止；否则k = k+1 ;
[0104] 当不满足迭代标识bool为true，并且迭代计数器η小于Tmax时：令k = 1，继续 进行上述迭代过程。
[0105] 本发明的效果可以通过如下对比实验进行验证：
[0106] 1.实验说明及实验条件设置
[0107] (1)实验说明
[0108] 图4-图6中（a)-(e)分别表示：(a)两种初始化轮廓：第一行图像表示初始化单个 窗口图像；第二行图像表示初始化两个窗口图像；(b)本发明分割结果；（c) 2001年由Chan 和Vase提出的C-V模型分割结果；(d) 2014年提出的非线性自适应水平集方法（NLAL)分 割结果；（e)2008年李等人提出的经典的RSF(region-scalablefitting energy)方法分