主权项 |
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P<sub>y∈L(x)</sub>(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P<sub>y∈L(x)</sub>(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<img file="FDA0001068468520000014.GIF" wi="243" he="79" />与水平集函数φ的梯度<img file="FDA0001068468520000015.GIF" wi="251" he="78" />进行点乘计算,进而构成耦合梯度信息的正则项<img file="FDA0001068468520000011.GIF" wi="418" he="150" />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∫<sub>Ω</sub>P_W(I(x))H(φ(x))dx+∫<sub>Ω</sub>P_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:<maths num="0001"><math><![CDATA[<mrow><msup><mi>E</mi><mrow><mi>L</mi><mi>W</mi><mi>P</mi><mi>S</mi></mrow></msup><mo>=</mo><msub><mo>∫</mo><mi>Ω</mi></msub><mfrac><mrow><mo>|</mo><mo>▿</mo><mi>φ</mi><mo>▿</mo><mi>I</mi><mo>|</mo></mrow><mrow><mo>|</mo><mo>▿</mo><mi>I</mi><mo>|</mo></mrow></mfrac><mo>+</mo><munder><mo>∫</mo><mi>Ω</mi></munder><mi>P</mi><mo>_</mo><mi>W</mi><mrow><mo>(</mo><mi>I</mi><mo>(</mo><mi>x</mi><mo>)</mo><mo>)</mo></mrow><mi>H</mi><mrow><mo>(</mo><mi>φ</mi><mo>(</mo><mi>x</mi><mo>)</mo><mo>)</mo></mrow><mi>d</mi><mi>x</mi><mo>+</mo><munder><mo>∫</mo><mi>Ω</mi></munder><mi>P</mi><mo>_</mo><mi>W</mi><mrow><mo>(</mo><mi>I</mi><mo>(</mo><mi>x</mi><mo>)</mo><mo>)</mo></mrow><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>H</mi><mo>(</mo><mrow><mi>φ</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow></mrow><mo>)</mo><mo>)</mo></mrow><mi>d</mi><mi>x</mi></mrow>]]></math><img file="FDA0001068468520000012.GIF" wi="1613" he="149" /></maths>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E<sup>LWPS</sup>进行最小化,以实现分割曲线的移动直至最终分割。 |