专利名称：基于归一化耦合曲线演化模型的图割方法
技术领域：
本发明涉及一种图像分割技术领域的方法，具体是一种基于归一化耦合曲线演化模型的图割方法，可用于图像处理、计算机视觉、工业自动化检测。
背景技术：
众所周知，图像分割和边界提取对于图像理解、图像分析、模式识别、计算机视觉等具有非常重要的意义。传统上，基于水平集函数的活动轮廓模型是一种常用的表示图像的工具，这种基于水平集的活动轮廓模型能够通过梯度下降流的方法得到最优化。同时，另外一种最优化准则是由Yezzi等人提出的，这种准则是基于最大化分割曲线内外区域的均值强度。但是，这种方法由于在曲线演化过程中需要重新初始化，导致活动轮廓曲线演化地非常缓慢，计算效率低，而且分割效果受初始轮廓位置影响严重。
发明内容
本发明的目的就是为了解决上述问题，提供一种基于归一化耦合曲线演化模型的图割方法，该方法有效地解决了初始轮廓位置敏感，计算效率低等问题，表现出良好的分割效果。为了实现上述目的，本发明采用如下技术方案一种基于归一化耦合曲线演化模型的图割方法，该方法的实现步骤如下步骤1 对需要分割的图像，初始化图像的轮廓曲线，并定义曲线内外部均值强度；步骤2 利用内外均值强度，改写传统的SM能量函数；步骤3 对改写后的传统的SM能量函数引入两个参数进行加权，得到加权的SM能量函数，然后对加权的SM能量函数加入曲线平滑项，得到归一化SM能量函数；步骤4 利用符号函数的定义重新表示步骤1中的内外部均值强度；步骤5 对需要分割的图像的每个像素点，添加权重边缘项；步骤6 采用最小化图割方法对步骤3中的归一化SM能量函数进行最小化加权， 得到最小化时的符号函数，利用所求的符号函数重新计算均值强度；步骤7 重复步骤2-6至符号函数稳定为止，此时达到了求解收敛，完成图像分割。
权利要求
1.一种基于归一化耦合曲线演化模型的图割方法，其特征是，该方法的实现步骤如下步骤1 对需要分割的图像，初始化图像的轮廓曲线，并定义曲线内外部均值强度； 步骤2 利用内外均值强度，改写传统的SM能量函数；步骤3 对改写后的传统的SM能量函数引入两个参数进行加权，得到加权的SM能量函数，然后对加权的SM能量函数加入曲线平滑项，得到归一化SM能量函数； 步骤4 利用符号函数的定义重新表示步骤1中的内外部均值强度； 步骤5 对需要分割的图像的每个像素点，添加权重边缘项；步骤6 采用最小化图割方法对步骤3中的归一化SM能量函数进行最小化加权，得到最小化时的符号函数，利用所求的符号函数重新计算均值强度；步骤7 重复步骤2-6至符号函数稳定为止，此时达到了求解收敛，完成图像分割。
2.如权利要求书1所述的基于归一化耦合曲线演化模型的图割方法，其特征是，所述的曲线内外部均值强度的定义如下:
3.如权利要求书1所述的基于归一化耦合曲线演化模型的图割方法，其特征是，所述改写后的传统的SM能量函数为
4.如权利要求书1所述的基于归一化耦合曲线演化模型的图割方法，其特征是，步骤3 中引入如下两个参数
5.如权利要求1所述的基于基于归一化耦合曲线演化模型的图割方法，其特征在于， 所述步骤4中，定义符号函数fp 则均值强度U和V重新表示为
6.如权利要求1所述的基于基于归一化耦合曲线演化模型的图割万法，其特征在于，所述步骤5中，对图像中的每个像素点χ计算-(u-v) (I (χ)-ν)和-(u-v) (u-I (χ)),如果-(u-v) (I (χ)-ν) > (-(u-v) (u-I (χ)))，添加权重为
7.如权利要求1所述的基于基于归一化耦合曲线演化模型的图割方法，其特征在于， 所述步骤5)中，采用最小化图割的方法来最小化加权SM模型函数，得到最小化时的符号函数产1 ；利用所求的fP+1符号函数重新计算均值强度u和ν ；
8.如权利要求1所述的基于基于归一化耦合曲线演化模型的图割方法，其特征在于， 所述步骤6)中，通过下述式子更新
全文摘要
本发明公开了一种基于归一化耦合曲线演化模型的图割方法，此曲线演化模型是建立在最大化活动曲线的内外区域均值强度分割的思想上，通过运用归一化图割方法来实现最小化这种耦合曲线模型的能量，从而达到最终理想的分割效果。实验结果显示这种方法在处理自然图像、噪声图像和无边缘轮廓图像上有效地解决了初始轮廓位置敏感，计算效率低等问题，表现出良好的分割效果。
文档编号G06T5/00GK102521812SQ20111044531
公开日2012年6月27日 申请日期2011年12月27日 优先权日2011年12月27日
发明者杨明强, 陈达, 陈雷 申请人:山东大学