割 结果。
[0109] 图4 :带有尚斯噪声的合成图像；
[0110] 图5 :X射线骨骼图像：左侧为胫骨，右侧为腓骨；
[0111] 图6:显微镜下细胞图像
[0112] (2)实验条件设置
[0113] 根据分析图2中epsilon的取值，整个实验Heaviside函数中的参数ε均设置为 1. 5可以保证分割曲线的光滑度更优；其中公式（4) (12)中的参数设置如下：
[0114] 图（4) : α = 〇· 3, β = 1. 0, λ = 1，μ = 〇· 005Χ255 2
[0115] 图（5) : α = 〇· 6, β = I. 0, λ = 1，μ = 〇· 012Χ255 2
[0116] 图（6) : α = 〇· 6, β = 0· 8, λ = 1，μ = 〇· 002Χ255 2
[0117] 2.实验内容及结果：
[0118] 对于图4:使用C-V模型方法分割合成图像时在轮廓变化较大区域出现了振荡现 象；使用NLAL模型方法无法正确分割出原始图像的轮廓变化较大的图像；使用RSF模型分 割结果表明，在进行迭代过程中易陷入局部最优，从而导致分割效果不理想，该方法对初 始化位置比较敏感，本发明方法分割结果比较准确。
[0119] 对于图5 :使用C-V模型方法与本发明方法进行分割均得到了满意的效果，如表1 所示（时间单位以秒计算）：本发明方法在速度上远远优于2001年由Chan和Vese等人提 出的C-V模型方法（该方法主要由两人名字命名）。NLAL模型方法仅较好的分割出了胫骨 部分；而典型的RSF模型方法表现出过拟合现象。
[0120] 对于图6 :NLAL方法可以分割部分区域，对于分割轮廓趋向于椭圆形的图像而言， 该方法比较有效；对比李等人提出的RSF方法对初始化比较敏感；经典的C-V模型方法具 有过拟合现象；本发明方法较其它三类模型方法而言，其分割结果良好。
[0121] 表1各方法收敛时间对比结果
[0122]
【主权项】
1. 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： 步骤1，输入待分割图像：10; 步骤2,设置初始轮廓C。，使用公式（2)初始化水平集函数巾。，设置时间步长：At = 〇. 1，用来控制曲线光滑度函数Heaviside中的参数设置为：e = 1. 5,长度惩罚项参数：y =入X2552,入G (〇, 1);公式⑶Hnew(X)是曲线光滑度Heaviside函数；其中，为圆周率； 步骤3,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； 所述的的总能量信息模型表示如下： E((i)) = a *EL((i)) + P ? EG((i))+Rp((i)) (4) 其中E((i〇表示总的能量模型此（(6)表示局部统计信息模型；Eti(Ci))表示全局统计 信息模型；Rp(40用来表示距离正则化能量模型；a，0是分别用来控制局部和全局信息 模型的非负常数； 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。2. 根据权利要求1所述的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，所述的步骤3包括下述步骤： 步骤3. 1:利用局部统计相似度特征估计真实图像模型；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)= {gi (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： J(X)= I(X)/B'（X) (6) 其中JOO表示局部信息模型估计值，IOO表示原始图像，B'（X)表示公式（3)中偏压 场信息估计值； 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： El ((I1, d2, <i>) = /q11 (x) /B' (x) -(I112Hnew (<i> (x)) dx+ Iq11 (x) /B' (x) -d212(I-Hnew (<i> (x))) dx ⑵ 其中护(山，(12, (6)表示局部信息能量函数；Q表示闭合曲线区域；山，(12分别表示图像 局部区域内外的灰度均值；巾（X)表示隐函数零水平集轮廓； 步骤3. 2:利用全局相容性特征改进全局能量信息模型； 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：所述的Hn6w函数拟合0-1阶跃函数构造新函数； 得出下面的全局能量信息模型： Eg (C1, c2, <i>) = /q11 (x) -C112Hnew (<i> (x)) dx+ 工 q 11 (x)-c212 (I-Hnew (<i> (x))) dx (9) 其中c2, (6)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； 步骤3. 3 :拟合快速多项式函数建立正则项模型； 正则化函数及其导函数描述如下：其中p(| ▽巾I)表示正则化函数，I ▽巾I表示该函数的自变量，其物理含义表示符 号距离属性函数； 通过分析得出以下结论： (a)当I ▽ (}> I > 1时，扩散速率为正，则减少I ▽ (}> I的变化；由上述分析给出距离正则化能量的数学形式表示如下： Er=入 1 ? Q 5 ((J) (xDdx+lii ? fip(| ▽伞（X) |)dx (12) 其中XpIi1表示控制常量参数。3. 根据权利要求1所述的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，所述的双重终止条件为： 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。4. 根据权利要求1所述的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，所述的双重终止条件具体的为：已知t时刻与t-1时刻零水平集闭合曲线的长度 Len (C(t))、Len (C(t-1));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 ; 当满足迭代标识bool为true，并且迭代计数器n小于Tmax时：计算当前闭合曲线的 长度差值：cur_length = I Len (C (t))-Len (C (t-1)) I ;然后计数器更新：n = n+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 ; 当不满足迭代标识bool为true，并且迭代计数器n小于Tmax时：令k = 1，继续进行 上述迭代过程。
【专利摘要】本发明公开了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。
【IPC分类】G06T7/00
【公开号】CN105139398
【申请号】CN201510531170
【发明人】何发智, 于海平
【申请人】武汉大学
【公开日】2015年12月9日
【申请日】2015年8月26日