一种用主动轮廓进行红外图像分割的方法
【专利摘要】本发明提出一种用主动轮廓进行红外图像分割的方法。本发明通过构造一种基于局部熵和局部标准差联合驱动的主动轮廓模型，充分利用图像的灰度分布信息，同时通过引入高斯核函数，在局部区域内更准确地驱动轮廓演化，以对红外图像进行分割。本发明能够有效实现红外图像的分割，得到完整且正确的目标轮廓。
【专利说明】一种用主动轮廓进行红外图像分割的方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，具体涉及一种用主动轮廓进行红外图像分割的方 法。
【背景技术】
[0002] 红外图像分割对红外目标的识别与跟踪具有重要的作用，由于红外图像通常具有 边缘模糊、灰度不均匀等特点，所以常用的图像分割方法对于红外图像的分割难以达到理 想的效果。近年来，主动轮廓模型（ACM)被广泛应用到图像分割中，其对于医学图像的分割 已取得了很好的效果，但在红外图像分割领域还有待于进一步的研究。
[0003] 主动轮廓模型主要可分为基于边界的模型和基于区域的模型两类，基于边界信息 的主动轮廓模型利用图像的梯度定义目标的边界，其中具有代表性的是GAC模型；基于区 域信息的主动轮廓模型利用区域统计信息（如灰度）引导曲线演化，其中被广泛使用的是 CV模型。
[0004] 文献 一 (Zhang K, Zhang L, Song H, et al. Active contours with selective local or global segmentation:a new formulation and level set method[J]. Image and Vision Computing, 2010, 28(4) :668-676.)提出了 SLGS 模型，将 GAC 和 CV 模型有机地 结合在一起，其利用CV模型中定义的灰度信息构造符号控制力函数（SPF)，替代GAC中的边 缘停止函数，从而能够更好地控制曲线演化的方向，但其基于的是待分割区域的灰度均匀 这一假设，因而该模型对灰度不均匀的红外图像的分割效果不是很理想。
[0005] 文献二（Li C, Kao C Y, Gore J C, et al. Minimization of region-scalable fitting energy for image segmentation[J]. Image Processing, IEEE Transactions on, 2008, 17 (10) : 1940-1949.)提出了 LBF模型，主要利用图像局部区域的灰度信息驱动曲 线演化，对灰度不均匀的图像能够进行分割，但由于模型利用的图像信息量较少，直接将其 用于红外图像的分割，同样难以获得准确的结果。
【发明内容】
[0006] 本发明提出一种用主动轮廓进行红外图像分割的方法，能够有效实现红外图像的 分割，得到完整且正确的目标轮廓。
[0007] 为了解决上述技术问题，本发明提供一种用主动轮廓进行红外图像分割的方法， 包括以下步骤：
[0008] 步骤一：计算待分割红外图像中各像素点对应的局部熵和局部标准差，并使用各 像素点对应的局部熵和局部标准差构造各像素点特征向量；通过初始化水平集函数给红外 图像设定初始轮廓；计算当前演化轮廓内部的局部区域和外部的局部区域内所有像素点对 应的特征向量的均值向量；
[0009] 步骤二：计算步骤一所获得的均值向量与当前演化轮廓上各像素点对应的特征向 量的余弦相似性，根据余弦相似性确定当前演化轮廓上各像素点的演化方向及驱动力的大 小，从而构造驱动轮廓演化的符号控制力函数；
[0010] 步骤三：将步骤二构造的符号控制力函数代入水平集演化方程，通过水平集的演 化实现红外图像的分割。
[0011] 本发明与现有技术相比，其显著优点在于：（1)本发明方法利用图像的局部熵和 局部标准差构造特征向量，即利用局部熵和局部标准差联合驱动主动轮廓模型，充分地利 用了图像的灰度分布信息，能够更准确地控制轮廓线演化的方向；（2)针对红外图像灰度 不均匀的特点，本发明引入高斯核函数与待分割图像卷积，使得驱动曲线演化的力只取决 于当前轮廓局域内对应特征向量的作用，能够有效克服灰度不均匀对分割结果的影响；（3) 本发明对于灰度不均匀的红外图像能实现更好的分割。
【专利附图】
【附图说明】
[0012] 图1是本发明流程图。
[0013] 图2是本发明仿真实验中所用的待分割红外图像。
[0014] 图3是本发明仿真实验获得的图2的局部熵图像。
[0015] 图4是本发明仿真实验获得的图2的标准差图像。
[0016] 图5是本发明仿真实验获得的初始轮廓图。
[0017] 图6是本发明仿真实验红外图像中位于点（x，y)的像素对应的特征向量f(x，y) 的示意图。
[0018] 图7是本发明仿真实验当前演化轮廓内所有像素点对应特征向量的均值向量示 意图。
[0019] 图8是本发明仿真实验中使用SLGS模型获得的分割结果图。
[0020] 图9是本发明仿真实验中使用LBF模型获得的分割结果图。
[0021] 图10是本发明仿真实验中使用本发明方法获得的分割结果图。
【具体实施方式】
[0022] 红外图像具有边缘模糊、灰度不均匀等特点，常用的主动轮廓模型一般难以获得 理想的分割效果，本发明方法通过构造一种基于局部熵和局部标准差联合驱动的主动轮廓 模型，充分利用图像的灰度分布信息，同时通过引入高斯核函数，在局部区域内更准确地驱 动轮廓演化，以对红外图像进行分割。如图1所示，本发明具体步骤如下：
[0023] 步骤一：计算待分割红外图像中各像素点对应的局部熵和局部标准差，获得红外 图像对应的局部熵图像和局部标准差图像，并使用各像素点对应的局部熵和局部标准差构 造各像素点特征向量；再通过初始化水平集函数给红外图像设定初始轮廓，同时引入高斯 核函数，计算当前演化轮廓内部的局部区域和外部的局部区域内（简称内外局域内）所有 像素点对应的特征向量的均值向量。
[0024] 所述红外图像中每个像素点的局部熵的计算方法如公式（1)所示， n
[0025] entro(x,y) = p; log Pi, p; = 7 (1) /=〇 jW x TV
[0026] 公式（1)中，entro(x，y)为像素点（x，y)对应的局部熵，L为红外图像的灰度级总 数，h为红外图像中灰度级为i的像素的个数，频数 Pi可以近似看做灰度级为i的像素在 红外图像中出现的概率，MXN为以像素点（x，y)为中心的局部窗口大小。
[0027] 通过公式（1)计算待分割红外图像中每一个像素点对应的局部熵，获得红外图像 对应的局部熵图像Entro。
[0028] 所述红外图像中每个像素点的局部标准差的计算方法如公式（2)所示，
【权利要求】
1. 一种用主动轮廓进行红外图像分割的方法，其特征在于，包括以下步骤： 步骤一：计算待分割红外图像中各像素点对应的局部熵和局部标准差，并使用各像素 点对应的局部熵和局部标准差构造各像素点特征向量；通过初始化水平集函数给红外图像 设定初始轮廓；计算当前演化轮廓内部的局部区域和外部的局部区域内所有像素点对应的 特征向量的均值向量； 步骤二：计算步骤一所获得的均值向量与当前演化轮廓上各像素点对应的特征向量的 余弦相似性，根据余弦相似性确定当前演化轮廓上各像素点的演化方向及驱动力的大小， 从而构造驱动轮廓演化的符号控制力函数； 步骤三：将步骤二构造的符号控制力函数代入水平集演化方程，通过水平集的演化实 现红外图像的分割。
2. 如权利要求1所述的用主动轮廓进行红外图像分割的方法，其特征在于，步骤一中， 所述红外图像中每个像素点的局部熵的计算方法如公式（1)所示，
公式（1)中，entro(x，y)为像素点（x，y)对应的局部熵，L为红外图像的灰度级总数， 叫为红外图像中灰度级为i的像素的个数，频数Pi可以近似看做灰度级为i的像素在红外 图像中出现的概率，MXN为以像素点（x，y)为中心的局部窗口大小。
3. 如权利要求1所述的用主动轮廓进行红外图像分割的方法，其特征在于，步骤一中， 所述红外图像中每个像素点的局部标准差的计算方法如公式（2)所示，
(2) 公式⑵中，std(x，y)为像素点（x，y)对应的局部标准差，ΜΧΝ为以像素点（x，y)为 中心的局部窗口大小，（m, η)表不局部窗口中任意一个像素点，s(m, η)为像素点（m, η)对应 的像素灰度值，〗为局部窗口中所有像素点的灰度平均值，?的计算方法如公式（3)所示：
(3) 公式（3)中，m彡Μ-1，η彡Ν-1。
4. 如权利要求1所述的用主动轮廓进行红外图像分割的方法，其特征在于，步骤一中， 所述使用各像素点对应的局部熵和局部标准差构造各像素点特征向量如公式（4)所示， f (x, y) = (entro (x, y), std(x, y)) (4) 公式（4)中，f(x，y)为像素点（x，y)对应的特征向量。
5. 如权利要求1所述的用主动轮廓进行红外图像分割的方法，其特征在于，步骤一中， 用fi(x，y)表示当前演化轮廓内外局域内所有像素点对应特征向量的均值向，均值向量 fi(X，y)如公式（5)所以， !/i(x，.v) = = --削?(/(X，.v) e ({(X，.v) e Ω I 多(X，.v) < 0}门妒(1乂1'))） （5) l/2(x,_v) = (ewiro2(x,_v)，sii/2(x，_y)) = mefl?(/(x,_v) e ({(x,_y) e Ω I 參(x,_v) > 0}HW'(x，_v))) 公式（5)中，AUy)是当前演化轮廓的内部局部区域内所有像素点对应的特征向 量的均值向量，entr〇1(X，y)是当前演化轮廓的内部局部区域内所有像素点对应的局部 熵的均值，stdiUy)是当前演化轮廓的内部局部区域内所有像素点对应的局部标准差 的均值；f 2(x，y)是当前演化轮廓外部局部区域内所有像素点对应的特征向量的均值向 量，entr〇2( X，y)是当前演化轮廓的内部局部区域内所有像素点对应的局部熵的均值， std2(X，y)是当前演化轮廓的内部局部区域内所有像素点对应的局部标准差的均值； W(x，y)为窗口函数，Ω为待分割红外图像区域；φ (X，y)为演化轮廓对应的零水平集函数， 其初始化如公式（6)所示，
(6) 公式（6)中，Ω。是图像区域Ω的一个子集，沉^是Ω。的边界。
6. 如权利要求5所述的用主动轮廓进行红外图像分割的方法，其特征在于，选择高斯 核函数作为窗口函数W(x, y)。
7. 如权利要求5所述的用主动轮廓进行红外图像分割的方法，其特征在于，均值向量 fi (X，y)中 entrc^ (X，y)、stdi (X，y)、entro2 (X，y)和 std2 (X，y)的计算方式如下：
其中，K。是标准差为〇的高斯核函数，Ηε(Φ)是Heaviside函数。
8. 如权利要求1所述的用主动轮廓进行红外图像分割的方法，其特征在于，步骤二的 过程具体为： 步骤21 :计算轮廓内外局域内的均值向量fi(X，y)与当前演化轮廓上各像素点对应的 特征向量f (X，y)的余弦相似性，计算方式如公式（7)所示：
公式⑵中，COS Θ i是f (X，y)与A (X，y)之间的余弦相似性，cos Θ 2是f (X，y)与 f2(x，y)之间的余弦相似性，通过比较COS Θ i与C0S Θ 2的大小确定轮廓上各点的演化方向， 如果COS Θ i > C0S θ2，则轮廓应向外扩展，反之，轮廓要向内收缩； 步骤22 :将轮廓内外局域内的均值向量&(1，7)与当前演化轮廓上各像素点对应的特 征向量f(x，y)作差取模，并通过公式（8)确定驱动力的大小F(x，y):
(8) 公式⑶中，β为常数； 步骤23 :使用轮廓上各像素点的演化方向以及对应驱动力的大小，构造符号控制力函 数spf，如公式（9)所示：
9.如权利要求1所述的用主动轮廓进行红外图像分割的方法，其特征在于，步骤三所 述水平集演化方程如公式（10)所示，
(10) 公式（10)中，α是一个常数，IV0I表示零水平集沿梯度方向的方向导数。
【文档编号】G06T7/00GK104123719SQ201410243635
【公开日】2014年10月29日 申请日期:2014年6月3日 优先权日:2014年6月3日
【发明者】张毅, 柏连发, 汤茂飞, 韩静, 祁伟, 金左轮, 岳江, 王博, 赵壮 申请人:南京理工大学