一種基于c-v和rsf模型的ct圖像裂紋分割方法
【技術領域】
[0001] 本發(fā)明屬于圖像分割技術領域，涉及一種基于C-V和RSF模型的CT圖像裂紋分割 方法。
【背景技術】
[0002] 圖像分割屬于圖像預處理范疇，也是圖像處理的一個重要環(huán)節(jié)，裂紋分割主要是 對CT圖像裂紋區(qū)域進行分割。在工業(yè)CT圖像中，往往是所獲取的圖像數(shù)據(jù)包含了大量的 背景區(qū)域，而對于裂紋部分，往往只占有較小的比重。在工業(yè)CT圖像中，背景區(qū)域與工件區(qū) 域灰度差別很大，裂紋包含在工件區(qū)域內(nèi)部，且兩者的灰度差別較小，因此分割CT圖像裂 紋相當困難。
[0003] 發(fā)展到現(xiàn)在，許多學者提出了各種各樣的圖像分割方法，歸納起來主要包括以下 四種：基于邊緣檢測的分割算法、基于閾值的分割算法、基于聚類的分割算法和基于能量泛 函的分割算法。其中，基于能量泛函的圖像分割最近發(fā)展非常迅速，成為當前圖像分割的研 究熱點之一。
[0004] 最早的基于能量泛函的分割方法是活動輪廓模型（或稱為Snake模型），活動輪廓 模型進行圖像分割的基本思想是引入一個服從圖像本身約束條件的演化曲線，初始演化曲 線位于目標區(qū)域周圍，按照約束條件開始演化，直到達到能量泛函最小值時，同時也是目標 區(qū)域邊緣時，曲線停止演化，得到目標區(qū)域。
[0005] Mumford和Shah于1989年提出了Mumford-Shah模型，這個幾何活動輪廓模型是 一個基于區(qū)域的能量泛函模型，該模型泛函描述了圖像中區(qū)域和邊界的描述，由圖像本身 數(shù)據(jù)的作用才促成曲線的演化，獲得圖像的目標區(qū)域及其邊界。在該模型的基礎之上，Chan 和Vese在2001年提出了C-V模型，這是一種無邊緣的活動輪廓模型，它是建立在圖像由兩 個同質(zhì)區(qū)域目標和背景組成的基礎之上的模型。與原來的模型相比，他不再依賴于圖像的 局部梯度，
[0006] C-V模型是通過假定圖像僅含兩個同質(zhì)區(qū)域，利用兩個區(qū)域間平均灰度值的差別 來進行分割的，且定位準確。但是，由于CT圖像中的細小裂紋區(qū)域包含在工件區(qū)域中，和工 件幾乎融為一體，采用C-V模型很難將它們分割出來。C-V模型雖然具有計算復雜性低、抗 噪性強以及對初始輪廓不敏感等優(yōu)點，但由于它依賴于待分割區(qū)域的灰度同質(zhì)性，因此無 法處理灰度不均圖像。為了更有效地解決C-V模型無法處理灰度不均圖像的分割問題，李 純明博士提出了RSF模型，RSF模型把C-V模型的全局二值擬合能量泛函改為以高斯函數(shù) 為核函數(shù)的局部尺度可變擬合能量定義的能量泛函，然而，RSF模型對初始輪廓位置比較敏 感，單獨采用RSF模型分割CT圖像裂紋很容易陷入局部極小值的問題。

【發(fā)明內(nèi)容】

[0007] 有鑒于此，本發(fā)明的目的在于提供一種基于C-V和RSF模型的CT圖像裂紋分割方 法，該方法在圖像處理時可以根據(jù)情況調(diào)整兩個模型參數(shù)大小，具有操作簡單、快速、精確 等特點。
[0008] 為達到上述目的，本發(fā)明提供如下技術方案：
[0009] -種基于C-V和RSF模型的CT圖像裂紋分割方法，該方法包括以下步驟： _〇] S101 :運用C-V模型對圖像進行預分割，得到工件外圍輪廓曲線小CT;
[0011]S102:根據(jù)C-V模型的輪廓曲線小CT，算出輪廓線內(nèi)部的平均灰度&(小w);查找輪 廓線、外的區(qū)域坐標，調(diào)整輪廓曲線$ 所有像素點的灰度值，使得輪廓線$ w外像素 點灰度C2 (x)等于Q，調(diào)整后得到新的圖像u2;
[0012]S103:運用RSF模型對缺陷圖112進行分割，得到裂紋分割結果。
[0013] 進一步，所述S101具體包括以下步驟：
[0014] 1)設uQ為待分割圖像，Q為圖像區(qū)域，C為Q上的一個演化曲線，C內(nèi)部區(qū)域為 ?，c外部區(qū)域是DVco,《為一個開區(qū)域，如以下公式所示：
[0015]
【主權項】
1. 一種基于c-v和RSF模型的CT圖像裂紋分割方法，其特征在于：該方法包括以下步 驟： 5101 :運用C-V模型對圖像進行預分割，得到工件外圍輪廓曲線小CT; 5102 :根據(jù)C-V模型的輪廓曲線(tCT，算出輪廓線內(nèi)部的平均灰度&($^ ;查找輪廓線 4>c；v外的區(qū)域坐標，調(diào)整輪廓曲線〇<外所有像素點的灰度值，使得輪廓線cv外像素點灰 度C2 (x)等于Q($CT)，調(diào)整后得到新的圖像u2; 5103 :運用RSF模型對缺陷圖112進行分割，得到裂紋分割結果。
2. 根據(jù)權利要求1所述的一種基于C-V和RSF模型的CT圖像裂紋分割方法，其特征在 于：所述S101具體包括以下步驟： 1) 設叫為待分割圖像，Q為圖像區(qū)域，C為Q上的一個演化曲線，C內(nèi)部區(qū)域為《，C 外部區(qū)域是，《為一個開區(qū)域，如以下公式所示：
2) 能量函數(shù)F的表達式為： F(c1；c2,C) =u?Length(C)+v?Area(inside(C)) + 入l/ + 入2Ioutside (C) u〇(x,y)-C212dxdy 其中，]i、v、入丨、入2為各項系數(shù)，y彡〇，v彡〇，入丨，入2>〇 ;Length(C)為演化 曲線C的長度，Area(C)為曲線C內(nèi)部區(qū)域的面積，Cl為圖像h上曲線C包圍內(nèi)部點的 平均灰度；c2為圖像u^曲線C外部區(qū)域點的平均灰度，
3) 引入海維塞德函數(shù)H(z)和狄拉克測度函數(shù)SJz)，
，運用水平集進行活動輪廓模型演化，用未知變量小代替C，將能量函數(shù)規(guī) 范化，能量函數(shù)FE的表達式為：
4) 通過推導小的歐拉拉格朗日等式求取F的極小值，下降方向參數(shù)為t，t>0， 4) (0,x,y) = 4>〇(x,y) ；
，5表示邊緣方向的外法線，
表示邊界的法向?qū)?shù)，
5)運用有限差分的隱式形式來離散化方程小；設置迭代次數(shù)n，開始演化迭代，C-V演 化結束時，得到工件外圍輪廓曲線小CT。
3. 根據(jù)權利要求2所述的一種基于C-V和RSF模型的CT圖 像裂紋分割方法，其特征在于：所述Length(C)的表達式為：
:所述Area(C)的表達式為： Area{4> >0} =/fiH(4>(x，y))dxdy。
4. 根據(jù)權利要求1所述的一種基于C-V和RSF模型的CT圖像裂紋分割方法，其特征在 于：所述S102中的輪廓線內(nèi)部的平均灰度Q(小CT)
5. 根據(jù)權利要求1所述的一種基于C-V和RSF模型的CT圖像裂紋分割方法，其特征在 于：所述S103具體包括以下步驟： 1) 定義局部能量泛函的表達式為：
其中,x為u2中任意一點,xGQ;AA2>〇為常數(shù)，Cl(x),c2(x)為圖像在點x附近區(qū) 域的灰度擬合值，K。（x)為核函數(shù)，且滿足非負單調(diào)遞減，
能量泛函的表達式為：
2) 加入能量項
，RSF模型轉(zhuǎn)化為如下的能量方程： Fksf(小，Cl，c2) = eKSF(小，Cl，C2) + i! F (小）； 3) 固定小函數(shù)，關于Cl(x)，c2(X)對能量泛函式FKSF求極小值，得到：
幻固定^"^^"^極小化能量泛函式:采用梯度下降法:得到水平集函數(shù)小演化的Euler-Lagrange方程；
其中，e! (x) = /K。（y-x) 11 (x)-Ci(y) 12dy，i= 1，2 ; 5)運用有限差分的隱式形式來離散化此方程，分割出裂紋圖像。
【專利摘要】本發(fā)明涉及一種基于C-V和RSF模型的CT圖像裂紋分割方法，屬于圖像分割技術領域。該方法主要包括以下步驟：首先運用C-V模型對圖像進行預分割，得到工件外圍輪廓曲線φCV；然后根據(jù)C-V模型的輪廓曲線φCV，算出輪廓線內(nèi)部的平均灰度C1(φCV)；查找輪廓線φCV外的區(qū)域坐標，調(diào)整輪廓曲線φCV外所有像素點的灰度值，使得輪廓線φCV外像素點灰度C2(x)等于C1(φCV)，調(diào)整后得到新的圖像u2；最后運用RSF模型對缺陷圖u2進行分割，得到裂紋分割結果。發(fā)明針對石油巖芯的CT圖像噪聲大、裂紋對比度低的特點，提供一種基于C-V和RSF模型的CT圖像裂紋分割方法，該方法具有操作簡單，抗干擾、快速、精確等優(yōu)點。
【IPC分類】G06T7-00
【公開號】CN104574430
【申請?zhí)枴緾N201510067124
【發(fā)明人】鄒永寧, 楊瑞娜, 羅驍, 高富強, 王玨
【申請人】重慶大學
【公開日】2015年4月29日
【申請日】2015年2月9日