主权项 |
1.一种多分辨率多区域变分水平集图像分割方法,其特征在于,包括如下步骤:第一步:设置分辨率级数以及分割区域的数目,将原始图像按照空间分辨率在每一维进行连续下采样生成分辨率为2<sup>L</sup>的图像,其中L为分辨率级数;第二步:为当前分辨率图像建立能量模型,利用变分水平集最小化能量模型,进行曲线演化得到N-1个零水平集演化曲线方程,进行图像分割;所述的变分水平集最小化能量模型,具体为:将曲线表示成水平集的形式,利用水平集的曲线演化方法进行演化分割,得到变分泛函图像总能量的水平集函数的演化方程为:<maths num="0001"><![CDATA[<math><mrow><mfrac><mrow><mi>d</mi><msub><mover><mi>γ</mi><mo>→</mo></mover><mn>1</mn></msub></mrow><mi>dt</mi></mfrac><mo>=</mo><mo>-</mo><mo>[</mo><msub><mi>λ</mi><mn>1</mn></msub><mo>|</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>c</mi><mn>1</mn></msub><msup><mo>|</mo><mn>2</mn></msup><mo>-</mo><msub><mi>Φ</mi><mn>1</mn></msub><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mn>1</mn></msub><mo>)</mo></mrow><mo>+</mo><msub><mi>μk</mi><mn>1</mn></msub><mo>]</mo><msub><mi>δ</mi><mi>ϵ</mi></msub><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mn>1</mn></msub><mo>)</mo></mrow><mo>+</mo><mi>v</mi><mrow><mo>(</mo><mo>▿</mo><msubsup><mover><mi>γ</mi><mo>→</mo></mover><mn>1</mn><mn>2</mn></msubsup><mo>-</mo><msub><mi>k</mi><mn>1</mn></msub><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0002"><![CDATA[<math><mrow><mfrac><mrow><mi>d</mi><msub><mover><mi>γ</mi><mo>→</mo></mover><mn>2</mn></msub></mrow><mi>dt</mi></mfrac><mo>=</mo><mo>-</mo><mo>[</mo><msub><mi>λ</mi><mn>2</mn></msub><mo>|</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>c</mi><mn>2</mn></msub><msup><mo>|</mo><mn>2</mn></msup><mo>-</mo><msub><mi>Φ</mi><mn>2</mn></msub><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mn>2</mn></msub><mo>)</mo></mrow><mo>+</mo><mi>μ</mi><msub><mi>k</mi><mn>2</mn></msub><mo>]</mo><msub><mi>δ</mi><mi>ϵ</mi></msub><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mn>2</mn></msub><mo>)</mo></mrow><mo>+</mo><mi>v</mi><mrow><mo>(</mo><mo>▿</mo><msubsup><mover><mi>γ</mi><mo>→</mo></mover><mn>2</mn><mn>2</mn></msubsup><mo>-</mo><msub><mi>k</mi><mn>2</mn></msub><mo>)</mo></mrow></mrow></math>]]></maths>...<maths num="0003"><![CDATA[<math><mrow><mfrac><mrow><mi>d</mi><msub><mover><mi>γ</mi><mo>→</mo></mover><mi>j</mi></msub></mrow><mi>dt</mi></mfrac><mo>=</mo><mo>-</mo><mo>[</mo><msub><mtext>λ</mtext><mi>j</mi></msub><mo>|</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>c</mi><mi>j</mi></msub><msup><mo>|</mo><mn>2</mn></msup><mo>-</mo><msub><mi>Φ</mi><mi>j</mi></msub><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mi>j</mi></msub><mo>)</mo></mrow><mo>+</mo><mi>μ</mi><msub><mi>k</mi><mi>j</mi></msub><mo>]</mo><msub><mi>δ</mi><mi>ϵ</mi></msub><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mi>j</mi></msub><mo>)</mo></mrow><mo>+</mo><mi>v</mi><mrow><mo>(</mo><mo>▿</mo><msubsup><mover><mi>γ</mi><mo>→</mo></mover><mi>j</mi><mn>2</mn></msubsup><mo>-</mo><msub><mi>k</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow></math>]]></maths>...<maths num="0004"><![CDATA[<math><mrow><mfrac><mrow><mi>d</mi><msub><mover><mi>γ</mi><mo>→</mo></mover><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub></mrow><mi>dt</mi></mfrac><mo>=</mo><mo>-</mo><mo>[</mo><msub><mtext>λ</mtext><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>|</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>c</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><mo>-</mo><msub><mi>Φ</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow><mo>+</mo><mi>μ</mi><msub><mi>k</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>]</mo><msub><mi>δ</mi><mi>ϵ</mi></msub><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow><mo>+</mo><mi>v</mi><mrow><mo>(</mo><mo>▿</mo><msubsup><mover><mi>γ</mi><mo>→</mo></mover><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow><mn>2</mn></msubsup><mo>-</mo><msub><mi>k</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow></mrow></math>]]></maths>其中,<img file="FDA00002825382900015.GIF" wi="85" he="52" />表示第i条水平集演化曲线,λ<sub>i</sub>,i=1,2,…,N为大于0的系数,δ<sub>ε</sub>(x)为平滑函数H<sub>ε</sub>(x)的导数,<maths num="0005"><![CDATA[<math><mrow><msub><mi>δ</mi><mi>ϵ</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><msubsup><mi>H</mi><mi>ϵ</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mi>π</mi></mfrac><mfrac><mi>ϵ</mi><mrow><msup><mi>ϵ</mi><mn>2</mn></msup><mo>+</mo><msup><mi>x</mi><mn>2</mn></msup></mrow></mfrac><mo>,</mo></mrow></math>]]></maths><maths num="0006"><![CDATA[<math><mrow><msub><mi>Φ</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>λ</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>|</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>c</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mrow></msub><mo>+</mo><msub><mi>λ</mi><mrow><mi>i</mi><mo>+</mo><mn>2</mn></mrow></msub><mo>|</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>c</mi><mrow><mi>i</mi><mo>+</mo><mn>2</mn></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>j</mi><mo>+</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>i</mi><mo>+</mo><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mrow></msub><mo>+</mo><mo>·</mo><mo>·</mo><mo>·</mo></mrow></math>]]></maths><maths num="0007"><![CDATA[<math><mrow><mo>+</mo><msub><mi>λ</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>|</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>c</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><mo>·</mo><mo>·</mo><mo>·</mo><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>N</mi><mo>-</mo><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mrow></msub><mo>,</mo></mrow></math>]]></maths><maths num="0008"><![CDATA[<math><mrow><mo>+</mo><msub><mi>λ</mi><mi>N</mi></msub><mo>|</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>c</mi><mi>N</mi></msub><msup><mo>|</mo><mn>2</mn></msup><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>i</mi><mo>+</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><mo>·</mo><mo>·</mo><mo>·</mo><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>N</mi><mo>-</mo><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub></mrow></math>]]></maths>其中,<img file="FDA000028253829000110.GIF" wi="116" he="49" />为表示i区域对应各区域的示性函数,<img file="FDA000028253829000111.GIF" wi="109" he="60" />为各局部区域的像素均值,<maths num="0009"><![CDATA[<math><mrow><msub><mi>c</mi><mi>i</mi></msub><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mfrac><mrow><msub><mo>∫</mo><msub><mi>R</mi><mn>1</mn></msub></msub><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><msub><mi>χ</mi><mrow><msub><mi>u</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mrow></msub><mi>dx</mi></mrow><mrow><msub><mo>∫</mo><msub><mi>R</mi><mn>1</mn></msub></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mrow></msub><mi>dx</mi></mrow></mfrac></mtd><mtd><mi>i</mi><mo>=</mo><mn>1</mn></mtd></mtr><mtr><mtd><mfrac><mrow><msub><mo>∫</mo><msub><mi>R</mi><mi>i</mi></msub></msub><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><msub><mi>χ</mi><mrow><msub><mi>u</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><mo>·</mo><mo>·</mo><mo>·</mo><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mrow></msub><mi>dx</mi></mrow><mrow><msub><mo>∫</mo><msub><mi>R</mi><mi>i</mi></msub></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><mo>·</mo><mo>·</mo><mo>·</mo><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mrow></msub><mi>dx</mi></mrow></mfrac><mi>i</mi><mo>∈</mo><mo>[</mo><mn>2</mn><mo>,</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>]</mo><mo>,</mo></mtd><mtd></mtd></mtr><mtr><mtd><mfrac><mrow><msub><mo>∫</mo><msub><mi>R</mi><mi>N</mi></msub></msub><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><msub><mi>χ</mi><mrow><msub><mi>u</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><mo>·</mo><mo>·</mo><mo>·</mo><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>N</mi><mo>-</mo><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><mi>dx</mi></mrow><mrow><msub><mo>∫</mo><msub><mi>R</mi><mi>N</mi></msub></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><mo>·</mo><mo>·</mo><mo>·</mo><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>N</mi><mo>-</mo><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><msub><mi>χ</mi><mrow><msub><mi>u</mi><mrow><mi>N</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo><</mo><mn>0</mn></mrow></msub><mi>dx</mi></mrow></mfrac></mtd><mtd><mi>i</mi><mo>=</mo><mi>N</mi></mtd></mtr></mtable></mfenced></mrow></math>]]></maths>其中,R<sub>i</sub>,i=1,2,…,N表示第i区域;k为水平集函数的曲率,<maths num="0010"><![CDATA[<math><mrow><mi>k</mi><mo>=</mo><mover><mo>▿</mo><mo>→</mo></mover><mo>·</mo><mfrac><mrow><mover><mo>▿</mo><mo>→</mo></mover><msub><mi>u</mi><mi>i</mi></msub></mrow><mrow><mo>|</mo><mo>|</mo><mover><mo>▿</mo><mo>→</mo></mover><msub><mi>u</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo></mrow></mfrac><mo>=</mo><mfrac><mrow><msub><mi>u</mi><mi>xx</mi></msub><msubsup><mi>u</mi><mi>y</mi><mn>2</mn></msubsup><mo>-</mo><mn>2</mn><msub><mi>u</mi><mi>x</mi></msub><msub><mi>u</mi><mi>y</mi></msub><msub><mi>u</mi><mi>xy</mi></msub><mo>+</mo><msub><mi>u</mi><mi>yy</mi></msub><msubsup><mi>u</mi><mi>x</mi><mn>2</mn></msubsup></mrow><msup><mrow><mo>(</mo><msubsup><mi>u</mi><mi>x</mi><mn>2</mn></msubsup><mo>+</mo><msubsup><mi>u</mi><mi>y</mi><mn>2</mn></msubsup><mo>)</mo></mrow><mrow><mn>3</mn><mo>/</mo><mn>2</mn></mrow></msup></mfrac><mo>,</mo></mrow></math>]]></maths><maths num="0011"><![CDATA[<math><mrow><mfenced open='{' close=''><mtable><mtr><mtd><msub><mi>χ</mi><mrow><msub><mi>u</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mrow></msub><mo>=</mo><mi>H</mi><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mi>i</mi></msub><mo>)</mo></mrow></mtd><mtd><msub><mi>u</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>></mo><mn>0</mn></mtd></mtr><mtr><mtd><msub><mi>χ</mi><mrow><msub><mi>u</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>≤</mo><mn>0</mn></mrow></msub><mo>=</mo><mn>1</mn><mo>-</mo><mi>H</mi><mrow><mo>(</mo><msub><mover><mi>γ</mi><mo>→</mo></mover><mi>i</mi></msub><mo>)</mo></mrow></mtd><mtd><msub><mi>u</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>≤</mo><mn>0</mn></mtd></mtr></mtable></mfenced><mo>,</mo></mrow></math>]]></maths>第三步:以2<sup>i</sup>,i=2,…L为系数采用双线性插值方法上采样演化曲线,得到的该演化曲线作为下一分辨率构建初始化演化曲线,然后构建该分辨率图像总能量模型,利用变分水平集最小化能量模型,采用多分辨率水平集方法,进行曲线演化得到当前分辨率下N-1个零水平集演化曲线方程;所述的多分辨率水平集方法,包括两个过程:首先,对该图像的每一维进行下采样生成分辨率为2<sup>i</sup>,i=2,…,L的低分辨率图像;其次,相对应地,以2<sup>i</sup>,i=2,…,L为系数上采样该分辨率下的演化曲线,然后构建该分辨率图像总能量模型,利用变分水平集最小化能量模型,进行曲线演化得到N-1个零水平集分割图像;演化过程不断重复直至达到原始分辨率图像,得到分割结果;第四步:判断当前图像分辨率级数是否达到原始分辨率,当达到原始分辨率,则输出分割结果;否则,返回第二步。 |