技術(shù)特征：

1.一種高噪聲灰度不均勻圖像的分割方法，其特征在于，它是基于距離保持水平集方法和基于標(biāo)記分水嶺方法相結(jié)合的圖像分割方法，具體步驟如下：

第一步：采用自適應(yīng)距離保持水平集方法對目標(biāo)圖像進(jìn)行邊緣的檢測，得到初始目標(biāo)圖像的輪廓邊緣；

所述的自適應(yīng)距離保持水平集方法是在距離保持水平集分割方法引入了可變的權(quán)重系數(shù)v，可變權(quán)重系數(shù)v定義為：

式(1)中I(x,y)為圖像函數(shù)，sgn(·)是符號函數(shù)，G_σ是標(biāo)準(zhǔn)差為σ的高斯濾波器，是圖像經(jīng)過高斯濾波后的梯度，ΔG_σ×I為Laplace算子作用于高斯濾波后的圖像的結(jié)果，c>0是常數(shù)；

定義能量泛函如下：

式(2)中，λ>0和v為常數(shù)，δ(x)和H(x)分別是一維Dirac函數(shù)和Heaviside函數(shù)，g(x)為停止速度函數(shù)，g(x)＝(1+x²)^-1；

最小化能量泛函E(φ)，應(yīng)用Euler-Lagrange方程，并引入人工變量t，運(yùn)用最速下降法，即可得到偏微分方程：

其水平集形式為：

其中，為演化曲線的曲率；

在數(shù)值實(shí)現(xiàn)時，采用了如下的正則化Dirac函數(shù)來替代Dirac函數(shù)δ(x)：

式(3)作用于整個水平集函數(shù)，從而獲得能量泛函的全局最小；

上述ε＝1.6；σ＝2.0，μ＝0.04，λ＝7.2，時間步長為0.5；

第二步：將第一步得到的目標(biāo)圖像輪廓邊緣采用形態(tài)學(xué)灰度膨脹、腐蝕后，得到形態(tài)學(xué)梯度圖像，將得到的形態(tài)學(xué)梯度圖像作為基于標(biāo)記的分水嶺算法的內(nèi)部標(biāo)記；具體為：

利用結(jié)構(gòu)元素b對目標(biāo)圖像f(x,y)分別做膨脹和腐蝕，求出f的局部極大值和局部極小值，其形態(tài)學(xué)梯度圖像g(x,y)可表示為：

其中⊕表示形態(tài)學(xué)的膨脹，表示形態(tài)學(xué)的腐蝕，b(x,y)表示圓盤狀結(jié)構(gòu)元素；

第三步：將第二步得到的結(jié)果使用MATLAB函數(shù)im2bw和graythresh將目標(biāo)圖像轉(zhuǎn)變?yōu)槎祱D像，然后求補(bǔ)，求出距離變換，然后利用函數(shù)watershed來計算距離變換的負(fù)分水嶺分割，將得到的結(jié)果作為標(biāo)記分水嶺算法的外部標(biāo)記，最后得到待處理的圖像；

第四步：利用形態(tài)學(xué)重建，對待處理的圖像進(jìn)行處理，詳細(xì)的處理過程是：對于形態(tài)學(xué)梯度圖像g(x,y)、比對圖像p(x,y)與結(jié)構(gòu)元素b，形態(tài)學(xué)膨脹定義為：

其中b為圓盤狀結(jié)構(gòu)元素，∧表示逐點(diǎn)求最小值，形態(tài)學(xué)膨脹為迭代性運(yùn)算。當(dāng)?shù)拇螖?shù)達(dá)到預(yù)設(shè)值或者時，中止。因此，形態(tài)學(xué)開重建定義為：

式(8)中表示測地學(xué)膨脹收斂的結(jié)果；

形態(tài)學(xué)開、閉重建是互為對偶的，因此，形態(tài)學(xué)腐蝕及閉重建表示為：

其中，∨表示的是逐點(diǎn)求最大值，表示形態(tài)學(xué)腐蝕時的結(jié)果；

因此，形態(tài)學(xué)重建表示為：

第五步：對形態(tài)學(xué)重建后的結(jié)果使用Watershed函數(shù)進(jìn)行基于標(biāo)記的分水嶺分割，輸出圖像分割結(jié)果：詳細(xì)分割過程是：

第5.1步：利用擴(kuò)展最小變換H-minima技術(shù)，首先給出一個圖像閾值H，通過與之對比消去局部區(qū)域小于H的極小值點(diǎn)，以此減少過分割區(qū)域的數(shù)目。本方法采用所有極小值的平均值來修正H值的大小。假設(shè)中極小值為則

其中mean(·)為平均值函數(shù)；為圖像梯度值；

第5.2步：使用Gaussian濾波器獲得低頻圖像

其中，H min為擴(kuò)展最小變換，為二值標(biāo)記圖像，也就是經(jīng)擴(kuò)展最小變換后的圖像；

第5.3步：使用極小值強(qiáng)制標(biāo)記運(yùn)算修改圖像梯度值即可得到表示為：

第5.4步：最后對進(jìn)行分水嶺分割，得到的分割結(jié)果用I_w表示為：

其中，Watershed表示分水嶺算法的MATLAB函數(shù)。