專利名稱：一種基于邊緣流的活動輪廓模型圖像分割的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，具體地說是一種基于邊緣流的活動輪廓模型圖像分割的方法。
背景技術(shù)：
人類所接收到的外界信息有80%以上是來自于視覺，可見視覺是人類最重要的一種信息交流方式。伴隨著信號處理理論與計算機的出現(xiàn)，人們試圖用攝像機獲取圖像信息并將其轉(zhuǎn)換成數(shù)字信號的過程來模仿人類的視覺過程，即用計算機來實現(xiàn)圖像處理。圖像分割是圖像處理的基礎(chǔ)，通過分割技術(shù)可以將感興趣目標從復(fù)雜的背景中提取出來，使得更高層的圖像分析和理解成為可能。圖像分割技術(shù)有著非常廣泛的應(yīng)用范圍，幾乎覆蓋有關(guān)圖像處理的各個領(lǐng)域。總體來說，只要涉及到圖像提取、測量、分析等任務(wù)，就都離不開圖像分割。目前，圖像分割在遙感衛(wèi)星圖像處理、生物醫(yī)學(xué)圖像處理、交通監(jiān)控以及軍事、工業(yè)、農(nóng)業(yè)等方面都得到了廣泛的應(yīng)用。如在交通監(jiān)控領(lǐng)域，可以通過攝像頭獲取的圖像信息進行異常事件的快速處理等；工業(yè)上，可利用圖像分割技術(shù)幫助發(fā)現(xiàn)可能的產(chǎn)品缺陷，如裂縫或斷裂等。另外，當(dāng)今社會中恐怖威脅的存在使得安全系統(tǒng)對圖像處理技術(shù)提出更高的要求，人臉識別是其中的一個重要研究領(lǐng)域，利用圖像分割技術(shù)分離出人臉的相關(guān)特征，如眼睛、嘴巴等，可以進一步提高人臉識別的高效性。學(xué)術(shù)界和產(chǎn)業(yè)界已經(jīng)設(shè)計了大量的圖像分割方法，按照利用信息的層次性，可將其分為數(shù)據(jù)驅(qū)動的圖像分割技術(shù)和模型驅(qū)動的圖像分割技術(shù)?；跀?shù)據(jù)驅(qū)動的圖像分割技術(shù)可直接對當(dāng)前圖像進行操作，雖然有些方法也使用與待分割目標相關(guān)的信息，但整體上其并不依賴于該信息，如目前比較成熟的Canny 算子分割、閾值分割和模糊聚類分割等；隨著待解決問題復(fù)雜程度的提高，需要越來越多的高層知識融入到圖像分割當(dāng)中，隨之出現(xiàn)的即是基于模型驅(qū)動的圖像分割技術(shù)，該技術(shù)直接建立在待分割目標的相關(guān)信息的基礎(chǔ)上，這些相關(guān)信息主要是對待分割圖像的理解，加入這些知識可使分割方法具有一定的智能性，如基于活動輪廓模型的圖像分割技術(shù)，是以待分割目標邊界的封閉性以及不存在斷裂為先驗知識，但目前已出現(xiàn)的基于活動輪廓模型大都基于圖像邊緣信息或圖像區(qū)域信息，基于圖像邊緣信息的活動輪廓模型難以分割出邊緣模糊圖像中的同質(zhì)區(qū)域，而基于圖像區(qū)域信息的活動輪廓模型在一些分割應(yīng)用中可能產(chǎn)生圖像邊緣定位不準確的缺陷，尤其是灰度不均勻圖像。實際上，許多圖像因受獲取圖像方法和條件的限制，其目標往往是模糊不清的，即所謂的含噪聲圖像。因此，需要研發(fā)一種新型的基于模型驅(qū)動的圖像分割方法以彌補現(xiàn)有技術(shù)的不足。

發(fā)明內(nèi)容
鑒于此，本發(fā)明的目的是，提供一種基于邊緣流的活動輪廓模型圖像分割的方法， 能夠克服現(xiàn)有技術(shù)不足，將圖像從背景區(qū)域或目標中清楚、完整地分割出來，并且降低了算法的復(fù)雜程度。為了實現(xiàn)上述目的，本發(fā)明提供一種基于邊緣流的活動輪廓模型圖像分割的方法，其特征在于，包括圖像初始輪廓信息提取對圖像信息進行高斯混合分布的統(tǒng)計，并利用圖像信息對應(yīng)的高斯混合分布函數(shù)進行前景區(qū)域和背景區(qū)域的判斷，除去背景區(qū)域，保留前景區(qū)域， 得到圖像初始輪廓信息；演化圖像初始輪廓信息采用基于邊緣流的活動輪廓模型技術(shù)對所述圖像初始輪廓信息進行演化，直到演化能量函數(shù)達到極小值為止，從而得到圖像最終分割信息。優(yōu)選的，所述圖像初始輪廓信息提取包括建立圖像信息I (X)的高斯混合分布函數(shù)
權(quán)利要求
1.一種基于邊緣流的活動輪廓模型圖像分割的方法，其特征在于，包括圖像初始輪廓信息提取對圖像信息進行高斯混合分布的統(tǒng)計，并利用圖像信息對應(yīng)的高斯混合分布函數(shù)進行前景區(qū)域和背景區(qū)域的判斷，除去背景區(qū)域，保留前景區(qū)域，得到圖像初始輪廓信息；演化所述圖像初始輪廓信息采用基于邊緣流的活動輪廓模型技術(shù)對所述圖像初始輪廓信息進行演化，直到演化能量函數(shù)達到極小值為止，從而得到圖像最終分割信息。
2.根據(jù)權(quán)利要求I所述的一種基于邊緣流的活動輪廓模型圖像分割的方法，其特征在于，所述圖像初始輪廓信息提取包括建立圖像信息I(X)的高斯混合分布函數(shù)
3.根據(jù)權(quán)利要求I所述的一種基于邊緣流的活動輪廓模型圖像分割的方法，其特征在于，所述演化所述圖像初始輪廓信息包括計算所述圖像初始輪廓信息I0U)的內(nèi)部灰度均值Iavgl、外部灰度均值Iavg2 ；
4.根據(jù)權(quán)利要求3所述的一種基于邊緣流的活動輪廓模型圖像分割的方法，其特征在于，所述海維賽德函數(shù)He (X)和其對應(yīng)的導(dǎo)數(shù)δ為
5.根據(jù)權(quán)利要求3所述的一種基于邊緣流的活動輪廓模型圖像分割的方法， 其特征在于，根據(jù)小波變換模極值函數(shù)統(tǒng)計獲得圖像信息IOO的梯度函數(shù)g(y)，
全文摘要
本發(fā)明提供一種基于邊緣流的活動輪廓模型圖像分割的方法，屬于圖像處理領(lǐng)域。該方法包括圖像初始輪廓信息提取，即對圖像信息進行高斯混合分布的統(tǒng)計，并利用圖像信息對應(yīng)的高斯混合分布函數(shù)進行前景區(qū)域和背景區(qū)域的判斷，除去背景區(qū)域，保留前景區(qū)域，得到圖像初始輪廓信息；演化圖像初始輪廓信息，采用基于邊緣流的活動輪廓模型技術(shù)對圖像初始輪廓信息進行演化，直到演化能量函數(shù)達到極小值為止，從而得到圖像最終分割信息。本發(fā)明能夠滿足對分割目標的邊界連續(xù)性要求，解決了圖像弱邊界和灰度漸進分割效果不理想的問題，本發(fā)明提供的方法分割效率高、精度高，受噪聲影響小，能夠得到魯棒性較強的分割結(jié)果。
文檔編號G06T5/00GK102609903SQ20111043064
公開日2012年7月25日 申請日期2011年12月21日 優(yōu)先權(quán)日2011年12月21日
發(fā)明者宋傳鳴, 方玲玲, 王相海 申請人:遼寧師范大學(xué)