申请/专利权人：江南大学

申请日：2023-06-16

公开（公告）日：2024-04-16

公开（公告）号：CN116703954B

主分类号：G06T7/12

分类号：G06T7/12;G06T7/13;G06T7/149

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.09.22#实质审查的生效;2023.09.05#公开

摘要：本发明公开了一种基于全局预拟合能量驱动的主动轮廓模型方法及系统包括，输入初始待分割图像并初始化图像中的各参数，使用高斯滤波对图像进行光滑处理；通过拉普拉斯算子，得到图像的二阶梯度信息；使用能量泛函函数增强图像的二阶梯度信息；利用主动轮廓模型对图像进行分割，将图像分割问题转换为求解全局预拟合函数最小值问题，并进行迭代；根据迭代后产生的全局预拟合函数最小值矩阵，绘制矩阵强度为0处的等高线得到分割线，叠加初始待分割图像；本发明通过构建的全局预拟合能量驱动函数对图像进行快速分割，利用能量泛函函数对拉普拉斯算子的边缘检测能力进行了优化，结合自适应的边界指示函数，提高了图像的分割成功率，减少了迭代时间。

主权项：1.一种基于全局预拟合能量驱动的主动轮廓模型方法，其特征在于，包括：输入初始待分割图像并初始化图像中的各参数，使用高斯滤波对图像进行光滑处理，包括：基于拉普拉斯算子对边缘敏感的性质，构建全局预拟合函数，表示为：ELOACMφ＝α∫Ωarctan△IτHε-φdx其中，ELOACM为全局预拟合函数；α用于调控模型的演化速度，φ为零水平集的利普希茨函数，△I是经过拉普拉斯算子处理过后的图像，用于存储原图像的二阶梯度信息；△表示为拉普拉斯算子；τ为一个常数，用于调整零点附近的斜率；Ω-Rd为图像域，d表示维度，Hε表示赫维赛德函数，是一种阶跃函数；所述赫维赛德函数，包括：公式表示为： 其中，x为自变量，ε为赫维赛德函数Hεx的断点；同时，定义所述赫维赛德函数的导数Dirac函数δεx，表示为： 基于拉普拉斯算子，得到图像的二阶梯度信息，并使用能量泛函函数增强所述图像的二阶梯度信息；所述使用能量泛函函数增强所述图像的二阶梯度信息，包括：能量泛函函数的定义公式为： 其中，fLOACM为能量泛函函数，L为经过拉普拉斯算子处理后的图像的二阶梯度信息；表示图像高斯梯度的模，表示高斯梯度，I表示图像，*号表示滤波操作；β用于调节对边界的灵敏度，g为自适应边界指示函数；所述自适应边界指示函数定义为： 其中，γ为自适应参数且std为计算矩阵标准差函数，Gσ表示标准差σ的高斯核函数；利用主动轮廓模型对所述图像进行分割，将图像分割问题转换为求解全局预拟合函数的最小值问题，并进行迭代；所述利用主动轮廓模型对所述图像进行分割，图像分割问题转换为求解所述能量泛函函数最小值问题，包括：将能量泛函函数优化后的拉普拉斯算子替换掉原始拉普拉斯算子，得到公式：ELOACMφ＝α∫2arctanfLOACMτHε-φdx将替换过原始拉普拉斯算子的公式采用梯度下降法，计算得到梯度流函数，如下所示： 其中，·表示乘号；根据迭代后产生的全局预拟合函数最小值矩阵，绘制所述矩阵强度为0处的等高线得到分割线，叠加所述初始待分割图像得到图像分割结果。

全文数据：

权利要求：

百度查询： 江南大学 一种基于全局预拟合能量驱动的主动轮廓模型方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD