1.一种结合梯度信息的分块式局部加权的图像分割方法,其特征在于,包含以下步骤:
步骤1),对于待分割的图像I的每一个像素点x,依次计算在以其为中心、大小为k×k的局部块L(x)内其他各个像素点y与局部块L(x)的归属度Py∈L(x)(y),k为预先设定的大于零的自然数;
步骤2),利用局部块L(x)内中心像素点x和其他像素点y的归属度概率差异性建立权函数W(x,y),结合其他像素点y的归属度Py∈L(x)(y)做加权估计,得到中心像素点与其他像素点的平均相似度函数P_W(x);
步骤3),以水平集函数φ表示分割曲线,以图像I的梯度与水平集函数φ的梯度进行点乘计算,进而构成耦合梯度信息的正则项i、j分别为图像横向和纵向两个方向上的索引刻度,Ω是图像I的总范围;
步骤4),利用平均相似度函数P_W(x)和关于φ的二值函数H(φ(x))构成指导分割曲线演化的区域项∫ΩP_W(I(x))H(φ(x))dx+∫ΩP_W(I(x))(1-H(φ(x)))dx,与耦合梯度信息的正则项一起构成分割算法的能量泛函:
其中,I(x)表示像素点x上的灰度值;
步骤5),利用最速下降法对能量泛函ELWPS进行最小化,以实现分割曲线的移动直至最终分割。
2.根据权利要求1所述的结合梯度信息的分块式局部加权的图像分割方法,其特征在于,所述步骤1)中,局部块L(x)内其他各个像素点y与局部块L(x)的归属度Py∈L(x)(y)为:
其中,μ(x)、σ(x)分别为局部块L(x)内所有像素点上灰度值的均值和方差,I(y)表示像素点y上的灰度值。
3.根据权利要求1所述的结合梯度信息的分块式局部加权的图像分割方法,其特征在于,k=3。
4.根据权利要求2所述的结合梯度信息的分块式局部加权的图像分割方法,其特征在于,所述步骤2)的详细步骤如下:
步骤2.1),建立以下权函数度量局部块L(x)内中心像素点x和其他像素点y的归属度概率的差异性:
W(x,y)=exp(-((I(x)-μ(x))2-(I(y)-μx))2));
步骤2.2),利用权函数W(x,y)和邻域内其他像素点y的归属度概率Py∈L(x)(y)做加权估计,得到每个中心像素点x与其局部块内其他像素点y的平均相似度函数:
5.根据权利要求4所述的结合梯度信息的分块式局部加权的图像分割方法,其特征在于,所述步骤3)的详细步骤如下:
步骤3.1),对图像I在横向和纵向分别求差分,得到其中xi∈[1,N1],xj∈[1,N2],N1、N2分别是图像在横向和纵向上最大像素个数;
步骤3.2),对表示分割曲线的水平集函数φ进行横向和纵向的差分计算,得到
步骤3.3),根据一般全变差正则项的构成规则,利用和构成耦合梯度信息的正则项Re(φ),其计算公式为:
其中ε为预先设定的大于零且充分小的常数。
6.根据权利要求5所述的结合梯度信息的分块式局部加权的图像分割方法,其特征在于,ε取0.0001。