基于区域信息和边缘信息的水平集图像分割方法及其系统的制作方法
【专利摘要】一种基于区域信息和边缘信息的水平集图像分割方法及其系统，根据图像的区域信息和边缘信息，构建能量泛函并初始化水平集函数，得到初始水平集函数；采用梯度下降流方法得到水平集函数演化方程，并基于能量泛函依次进行粗分割阶段和平滑阶段的水平集函数演化处理，进行图像的大致分割和精确定位，得到分割后的图像；所述的系统包括：初始化模块、水平集函数演化模块、颜色方差计算模块和分割结果输出模块；本发明减少了水平集函数的迭代次数，提高了水平集对彩色图的分割定位能力。
【专利说明】
基于区域信息和边缘信息的水平集图像分割方法及其系统
技术领域
[0001] 本发明涉及的是一种图像处理领域的技术，具体是一种基于区域信息和边缘信息 的水平集图像分割方法及其系统。
【背景技术】
[0002] 水平集方法由Osher和Sethian提出，其基础思想就是利用高维函数的零水平集来 表示轮廓。由于其自由拓扑性，近些年来被广泛应用于图像分割。水平集的能量模型主要分 为两种，基于区域的模型和基于边缘的模型。基于区域的模型依靠区域检测算子来驱动水 平集函数演化过程，如Chan和Vese提出的C-V模型，该模型利用颜色方差作为区域检测算 子，同时加入轮廓长度和面积约束，但是没有边缘检测项，在演化过程中对边缘的定位不够 精确。
[0003] 基于边缘检测的模型主要依靠边缘检测算子来定位目标边缘，如Li Chunming提 出的一种基于边缘检测的模型，加入了内部能量项，可以在演化过程中自我规范，不需要重 新初始化为距离函数，但这种方法演化较慢，而且受到水平集初始化影响较大。近些年来， 许多学者也在改进水平集函数，充分考虑图像的区域信息和边缘信息。
[0004] 经过对现有技术的检索发现，中国专利文献号CN104715484A，公布日2015.6.17， 公开了一种基于改进的水平集的自动肿瘤区域分割方法，包括:获取包含病变区域的待分 割的原始PET图像并进行预处理和定位从而确定预处理后的待分割病变区域PET图像;根据 病变区域的CT图像和所述预处理后的待分割病变区域PET图像构造超图，从而初步确定PET 图像中的粗略肿瘤区域为初始零水平集;对所述初始零水平集执行改进的水平集方法从而 确定肿瘤区域;根据形态学运算对所述肿瘤区域执行边缘平滑处理。但该技术缺少水平集 函数的自我规范项，演化过程中易出现奇点，且没有充分利用边缘信息，水平集函数的初始 化不够灵活，导致应用范围受限，不易于扩展应用到其他种类图像的分割。
【发明内容】
[0005] 本发明针对现有技术存在的上述不足，提出一种基于区域信息和边缘信息的水平 集图像分割方法及其系统，通过初始水平集函数，结合区域信息和边缘信息，对输入的彩色 图像进行大致分割和边缘平滑，减少迭代运算次数，提高定位能力。
[0006] 本发明是通过以下技术方案实现的：
[0007] 本发明涉及一种基于区域信息和边缘信息的水平集图像分割方法，根据图像的区 域信息和边缘信息，构建能量泛函并初始化水平集函数，得到初始水平集函数;采用梯度下 降流方法得到水平集函数演化方程，并基于能量泛函依次进行粗分割阶段和平滑阶段的水 平集函数演化处理，进行图像的大致分割和精确定位，得到分割后的图像。
[0008] 所述的区域信息是指图像的颜色信息。
[0009] 所述的边缘信息是指图像的梯度信息。
[0010] 所述的能量泛函为内部能量和外部能量的和。
[0011] 所述的内部能量包括自规范能量和零水平集表示的轮廓线长度。
[0012] 所述的内部能量EOk= μ/?)_ +&(</))，其中：炉为水平集函数〔免> 〇表示在零 水平集内部，炉< 〇表示在零水平集外部，P = 〇表示零水平集），μ和α分别为自规范能量和 零水平集表示的轮廓线长度的权值彳?为自规范能量3为零水平集表示的轮廓线 的长度。
[0013] 所述的自规范能量= J(1 - |^|)2dxdy，其中：叹为水平集函数的梯度， (x，y)为图像的像素坐标。
[0014] 所述的零水平集表示的轮廓线长度i〇) = /於(少)|印啤办，其中：g为边缘检测算 子，δ()为Dirac函数。
[0015] 所述的Dirac函数Z
[0016]所述的边缘检测算子g = 1/(1 + |W;a * /| )，其中：G为高斯核函数，σ为预设的尺度 参数，I为向量形式的图像三通道原始灰度值。
[0017]所述的外部能量为零水平集内和零水平集外的颜色信息方差之和。
[0018] 所述的零水平集内的颜色信息方I
1为外部能量在零水平集内的权值，ml为向量形式的零水平集内部灰度均值，H()为 Heaviside 函数。
[0019] 所述的Heaviside函数」
[0020] 所述的Heavi side函数H ()与Dirac函数δ()的关系为：
[0021 ] 所述的零水平集内部灰度均值ml =. J /(x,y)H(>) dxdy/ J /7〇) dxdy,.
[0022] 所述的零水平集外颜色信息方差= A2 /成-m2)2(l - ,其 中:λ2为外部能量在零水平集内的权值，m2为向量形式的零水平集外部灰度均值。
[0023] 所述的零水平集外部灰度均值m2 = - /V〇))办办/'-好(炉))办办。
[0024]所述的能量泛函为：
[002
数，R为输入的图像的高度，C为输入的图像的宽度。
[0026]所述的水平集函数的演化方程在图像为黑白图像时
数史的演化方向，t为时间； $中：Δφ为水平集函数φ的拉普 拉斯离散，div()为散度;在图像为彩色图像时
[0027] 所述的粗分割阶段的演化是指:将外部能量中的权值设定为比内部能量中的权值 大的数值进行演化，直到满足该阶段演化停止条件。
[0028] 所述的平滑阶段的演化是指:将外部能量中的权值设定为比内部能量中的权值小 的数值进行演化，直到满足该阶段演化停止条件。
[0029] 本发明涉及一种实现上述方法的系统，包括:初始化模块、水平集函数演化模块、 颜色方差计算模块和分割结果输出模块，其中：水平集函数演化模块根据初始化模块提供 的原始图像、初始参数和初始水平集函数，以及颜色方差计算模块根据初始化模块提供的 原始图像得到的颜色方差矩阵进行水平集函数演化处理，向颜色方差计算模块反馈水平集 函数信息，并将演化结果通过水平集函数输出至分割结果输出模块，得到分割后的图像。 技术效果
[0030] 与现有技术相比，本发明通过初始水平集函数，结合区域信息和边缘信息，经过粗 分割和平滑两个阶段的演化，实现了图像的分割，并且边缘定位精确，迭代次数少，演化过 程中引入的内部能量避免了水平集函数出现奇点，减少运算量，加快演化速度。
【附图说明】
[0031 ]图1为图像分割方法流程示意图；
[0032]图2为实施例输入图像及其groundtruth图；
[0033] 图中：（a)为输入图像，（b)为groundtruth图；
[0034]图3为第一阶段演化的结果；
[0035]图中：（a)为零水平集表示的轮廓，（b)为分割结果；
[0036]图4为第二阶段演化的结果；
[0037] 图中：（a)为零水平集表示的轮廓，（b)为分割结果；
[0038] 图5为图像分割系统示意图；
[0039] 图6为图像分割系统输入输出效果图；
[0040] 图中：（a)、（d)和(g)为输入图像，（b)、（e)和(h)为相应的 groundtruth 图，（c)、（f) 和(i)为相应的分割结果。
【具体实施方式】
[0041] 下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行 实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施 例。 实施例1
[0042] 如图1所示，本实施例涉及一种基于区域信息和边缘信息的水平集图像分割方法， 包括以下步骤：
[0043] 步骤1、输入图像，根据图像的区域信息和边缘信息，构建对应的能量泛函。
[0044]如图2 (a)所示，输入的图像为400 X 380像素彩色图，采用HSV三颜色通道。
[0045] 所述的区域信息是指图像的颜色信息。
[0046] 所述的边缘信息是指图像的梯度信息。
[0047] 所述的能量泛函_￡%)._= .+ _β·(ζ0)_:，其中：为内部能量，_￡(沪为外部 能量。
[0048] 所述的内部能量#(60? = +说⑷)，其中：识为水平集函数O > 〇表示在零 水平集内部，供< β表示在零水平集外部，<?> = 0表示零水平集），μ和α分别为预设的自规范 能量和零水平集表示的轮廓线长度的权值彳⑷为自规范能量，i〇)为零水平集表示的 轮廓线的长度。
[0049] 所述的自规范能量和零水平集表示的轮廓线长度的权值U和α的初始值为UO和α〇。
[0050] 所述的自规范能量= .?〇? - 1印丨)2心办，其中:_印为水平集函数的梯度，（X， y)为图像的像素坐标。
[0051 ]所述的零水平集表示的轮廓线长度= 其中：g为边缘检测算
子，δ()为Dirac函数。
[0052] 所述的Dirac函
[0053] 所述的边缘检测算子g = ?/(? +卩心* ?| )，其中：G为高斯核函数，〇为预设的尺度 参数，I为向量形式的图像的三通道原始灰度值。
[0054] 所述的边缘检测算子g通过以下方法计算:对输入的图像进行高斯平滑，得到平滑 之后的图像，对平滑后的图像求梯度，得到X和y方向的梯度IX，Iy;对梯度求模:f = IX. ~2+ Iy. ~2，可得边缘检测算子g = 1/( Ι+f)。
[0055] 所述的外部陡莖石(￥〇〇.Ut _..五(史)￡〇1〇.1'._把+力.(.^0.?1〖〇!"_〇.1￡￡:.,其中： 五(史)(：〇.{.〇7-_;11为零水平 集内颜色信息方差，Ohatouw为零水平集外颜色信息方差。
[0056] 所述的零水平集内的颜色信息方差= AJ J,g(/ - mi)2/y(^)dxdy·.其中:λ 1为外部能量在零水平集内的权值，ml为向量形式的零水平集内部灰度均值，Η()为 Heaviside 函数。
[0057] 所述的Heaviside 函 I
[0058] 所述的Heavi side函数H()与Dirac函数δ()的关系为
[0059] 所述的零水平集内部灰度均
[0060] 所述的零水平集外颜色信息： 中:λ2为外部能量在零水平集内的权值
[0061] 所述的零水平集外部灰度均{!
[0062]则所述的能量泛函为：
[0063] 步骤2、采用西洋棋盘方法初始化水平集函数，得到初始水平集函数和水平集演化 方程，并依次进行粗分割阶段演化和平滑阶段演化，平滑阶段演化结束后输出最终分割图 像。
[0064] 所述的初始水平集函1
其中：CO为权值系 数，R为输入的图像的高度，C为输入的图像的宽度。
[0065] 所述的权值系数cO取为1。
toi)2 - A2_g(/ _ m2)'其中：師为水平集函数炉的拉普拉斯离散，div()为散度。
[0069] 所述的粗分割阶段的演化是指:将外部能量中的权值λ?和λ2设定为比内部能量中 的权值UO和α〇大的数值进行演化，直到满足该阶段演化停止条件，实现大致分割。
[0070] 所述的粗分割阶段的演化停止条件为I CTi,其中：!\为预设的阈值。
[0071]如图2和图3所示，粗分割阶段的演化结束时，零水平集所表示的轮廓如图3(a)所 示，分割结果如图3(b)所示，可以看出，本阶段已大致分割出目标，但水平集函数不够平滑， 有若干处背景区域也包含在轮廓内，并且边缘的定位不够准确。
[0072I 所述的平滑阶段的演化是指:设外部能量中的权值λ1 = 0，λ2 = 0，μ = 2μ(^Ρα = 2α 0，代入进行演化，直到满足该阶段演化停止条件。
[0073] 所述的平滑阶段的演化停止条件为|f I C Ti，其中：!\为预设的阈值。
[0074] 所述的平滑阶段的演化依靠自规范能量和零水平集长度构成的内部 能量柯φ)?}? = + aL〇p)精确定位目标，实现自我平滑和精确定位。
[0075] 如图4所示，本阶段的演化结束后，对于边缘的定位较精确，且水平集函数较平滑。 [0076]本实施例的最终迭代次数为34,时间花费11.5s;将图2(b)与图4(b)相比，Dice相 似系数达到95.8%。
[0077] 所述的自规范能量的目的是保证演化过程中水平集函数的梯度的模为1，可以防 止演化过程中出现奇点，达到平滑的效果。
[0078] 所述的零水平集表示的轮廓线长度可约束轮廓线尽可能地短。
[0079] 所述的边缘检测算子结合图像的区域信息和边缘信息，保证了分割的精确性。
[0080] 如图5所示，本实施例涉及一种实现上述方法的图像分割系统，包括:初始化模块、 水平集函数演化模块、颜色方差计算模块和分割结果输出模块，其中：水平集函数演化模块 根据初始化模块提供的原始图像、初始参数和初始水平集函数，以及颜色方差计算模块根 据初始化模块提供的原始图像得到的颜色方差矩阵进行水平集函数演化处理，向颜色方差 计算模块反馈水平集函数信息，并将演化结果通过水平集函数输出至分割结果输出模块， 得到分割后的图像。
[0081 ]如图6所不，本实施例对图像的分割处理结果如表1所不。
[0082 ]表1各图分割参数及与ground truth图相似系数比较
[0083]所述的图6(a)分辨率为450*600像素，图6(d)分辨率为450*600像素，图6(g)分辨 率为640*480像素。
【主权项】
1. 一种基于区域信息和边缘信息的水平集图像分割方法，其特征在于，根据图像的区 域信息和边缘信息，构建能量泛函并初始化水平集函数，得到初始水平集函数;采用梯度下 降流方法得到水平集函数演化方程，并基于能量泛函依次进行粗分割阶段和平滑阶段的水 平集函数演化处理，进行图像的大致分割和精确定位，得到分割后的图像； 所述的区域信息是指图像的颜色信息； 所述的边缘信息是指图像的梯度信息； 所述的能量泛函为内部能量和外部能量的和。2. 根据权利要求1所述的水平集图像分割方法，其特征是，所述的粗分割阶段的演化是 指:将外部能量中的权值设定为比内部能量中的权值大的数值进行演化，直到满足该阶段 演化停止条件； 所述的平滑阶段的演化是指:将外部能量中的权值设定为比内部能量中的权值小的数 值进行演化，直到满足该阶段演化停止条件。3. 根据权利要求1所述的水平集图像分割方法，其特征是，所述的内部能量= μΡ〇ρ)τ^ + d〇)，其中#为水平集函数(少> 〇表示在零水平集内部，φ < 〇表示在零水平集 外部，炉=〇表示零水平集），μ和α分别为自规范能量和零水平集表示的轮廓线长度的权值， P(<P)r@为自规范能量，i(的为零水平集表示的轮廓线的长度。4. 根据权利要求3所述的水平集图像分割方法，其特征是，所述的自规范能量 以免)》^ = Id - 1印丨)2_办，其中：印为水平集函数的梯度，（x，y)为图像的像素坐标。5. 根据权利要求3所述的水平集图像分割方法，其特征是，所述的零水平集表示的轮廓 线长度= 其中：g为边缘检测算子，δ〇为Dirac函数。6. 根据权利要求5所述的水平集图像分割方法，其特征是，所述的Dirac函数5化）=7. 根据权利要求5所述的水平集图像分割方法，其特征是，所述的边缘检测算子 g = 1/(1 +卩心* /| )，其中：G为高斯核函数，〇为尺度参数，I为向量形式的图像三通道原始 灰度值。8. 根据权利要求1所述的水平集图像分割方法，其特征是，所述的外部能量为零水平集 内和零水平集外的颜色信息方差之和，具体为： 零水平集内的颜色信息方差u = A1 .? 5 (/ -祕)2與的itefy，其中：λ 1为外部能 量在零水平集内的权值，向量形式的零水平集内部灰度均值wl = J /(X, y)H(<?)) cfedy/ j"/f(p).dxdy,Heaviside函，.Heaviside函数H()与Dirac函数δ()的关零水平集外颜色信息方差=汜JS(/ - m2)2(l - 其中:λ2为外部能量在零 7Κ平集内的权值，向量形式的零水平集外部灰度均值饥2二Ji(x,y)d -讯识))办办/J(1 - /%))办办;能 量泛函为：?'(φ) = + + ?'(办叙= μ J(1 - _ λ? J g(I(x, y) - ml)zΗ(φ)?χ?γ + 12 f g〇(x,y) - m2')2(l - H(w))dxdy.9.根据权利要求1所述的水平集图像分割方法，其特征是，所述的初始水平集函数，其中：cO为权值系数，R为输入的图像的高度，C为输入 的图像的宽度； 当图像为黑白图像时，为：其中为水平集函数W的演化方向，t为时间；1切(/ - ml)2 - A2分(/ - ml)2,其中：Δφ为水平集函数P的拉普拉斯离散，div()为散度； 当图像为彩色图像时，，其中：为水平集函数補勺演化方向，t为时间
【文档编号】G06T7/00GK106056611SQ201610390119
【公开日】2016年10月26日
【申请日】2016年6月3日
【发明人】沈红斌, 智绪浩
【申请人】上海交通大学