基于圖割優(yōu)化的局部主動輪廓圖像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及圖像分割方法，可用于紫外極光圖像的分割 以及灰度不均勻圖像的分割。
【背景技術(shù)】
[0002] 極光是來自磁層的高能粒子沉降到高層大氣并與中性成分碰撞激發(fā)的一種大氣 發(fā)光現(xiàn)象，它主要出現(xiàn)在以地磁極為中心的環(huán)帶狀區(qū)域內(nèi)，該區(qū)域又叫極光卵。極光卵的赤 道向邊界和極向邊界是重要的地球物理參數(shù)，其與太陽風(fēng)、地磁活動有著密切的關(guān)系。而且 極光卵的邊界隨著地磁活動而變化，對其研究有助于進(jìn)一步了解日地耦合過程，認(rèn)知空間 氣候變化規(guī)律。因此，有效確定極光卵邊界是非常重要的。但由于極光卵就是紫外極光圖 像的前景，而紫外極光圖像的對比度較低，因此，用傳統(tǒng)的紫外極光圖像分割方法來確定極 光卵的邊界都具有一定程度的局限性。
[0003] 在早期的紫外極光圖像分割方法中主要有兩種形式：一種是無形狀先驗(yàn)的，如 2003年Hung等人提出的基于直方圖的K均值算法HKM和2004年Li等人提出的自適應(yīng)最 小誤差閾值轉(zhuǎn)換法AMET;另一種是加入形狀先驗(yàn)的，如2009年Cao等人提出的基于隨機(jī)霍 夫變換的線性最小二乘法LLSRHT。而前面兩種無形狀先驗(yàn)的方法都是基于像素亮度值的分 割方法，僅對于對比度高的紫外極光圖像可以得到相對完整的極光卵。但是大多紫外極光 圖像的對比度都比較低，所以，無形狀先驗(yàn)的方法無法得到完整的極光卵。LLSRHT方法加入 了形狀先驗(yàn)，雖然在紫外極光圖像對比度較低的情況下也可以獲得完整的極光卵，但該方 法獲得的極光卵的邊界過于平滑，與實(shí)際情況不符。
[0004] 近幾年，主動輪廓方法非常流行，并且已被廣泛應(yīng)用到圖像分割上。主動輪廓主要 分為基于邊緣的主動輪廓和基于區(qū)域的主動輪廓?；谶吘壍闹鲃虞喞椒ㄓ捎谄鋵υ肼?和初始輪廓的位置較敏感而逐漸被基于區(qū)域的主動輪廓方法代替。最典型的基于區(qū)域的 主動輪廓方法就是2001年ChanandVese提出的CV模型，該模型用梯度下降流來最小化 能量函數(shù)容易陷入局部最小。所以有人將CV模型和圖割結(jié)合，用圖割方法來優(yōu)化CV模型 能量函數(shù)，提出了基于圖割優(yōu)化的主動輪廓方法ACBGC，該方法可以找到能量函數(shù)的全局最 小。但是該方法不能分割灰度不均勻的圖像和對比度極低的紫外極光圖像。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服上述方法的不足，提出了一種基于圖割優(yōu)化的局部主動輪 廓圖像分割方法，以實(shí)現(xiàn)對對比度極低的紫外極光圖像和灰度不均勻圖像的分割。
[0006] 實(shí)現(xiàn)本發(fā)明目的技術(shù)方案是：給定初始輪廓，并把圖像輪廓內(nèi)的部分當(dāng)作目標(biāo)，標(biāo) 號為1，把圖像輪廓外的部分當(dāng)作背景，標(biāo)號為〇 ;取圖像的子圖，在子圖內(nèi)用圖割優(yōu)化主動 輪廓能量函數(shù)，更新子圖內(nèi)所有像素的標(biāo)號；通過迭代使整幅圖像像素的標(biāo)號得到更新，直 至曲線到達(dá)目標(biāo)的邊界時完成圖像分割。其實(shí)現(xiàn)步驟如下：
[0007] (1)在輸入圖像I上定義初始輪廓曲線C，并對圖像上的所有像素進(jìn)行標(biāo)號，即把 輪廓曲線內(nèi)像素當(dāng)作目標(biāo)，標(biāo)號為1，把輪廓曲線外像素當(dāng)作背景，標(biāo)號為O;
d(x，y) <a得到一個窄帶區(qū)域N，a為一個常數(shù)，取值在1到2之間；
[0009] (3)以窄帶區(qū)域內(nèi)的第i個像素點(diǎn)為中心，r為半徑做一個圓域，用這個圓域的外 接正方形為邊界的區(qū)域作為圖像I的一個子圖I1，其中r的的值在8到40之間；
[0010] (4)在子圖I1上分別計算輪廓內(nèi)像素的灰度均值ci、輪廓外像素的灰度均值(：2和 能量函數(shù)E(C,C1,C2):
[0014] 其中，y為控制輪廓曲線光滑程度的參數(shù)，取y> 0,VXq為子圖中相鄰兩像素P，q的標(biāo)號，取值只能為〇或1 ;
[0015] (5)將步驟（3)得到的子圖以央射為一個包含兩種頂點(diǎn)和兩種邊的幾何圖，這兩 種頂點(diǎn)分別是普通頂點(diǎn)和終端頂點(diǎn)，其中普通頂點(diǎn)對應(yīng)于子圖I1中的每個像素，終端頂點(diǎn) 對應(yīng)于子圖I1中前景部分和背景部分，即把前景作為第一終端頂點(diǎn)S，把背景作為第二終端 頂點(diǎn)T，兩種邊分別是n-links和t-links，其中n-links邊對應(yīng)于每兩個相鄰的普通頂點(diǎn) 的連線，且以步驟（4)得到的能量函數(shù)E((^c1,c2)為權(quán)值，t-links邊對應(yīng)于每個普通頂點(diǎn) 和2個終端頂點(diǎn)的連線，其權(quán)值按以下規(guī)則設(shè)置：
[0016] 如果第一終端頂點(diǎn)S與第二終端頂點(diǎn)T連接的普通頂點(diǎn)p滿足（I(P)-C1)2 <(I(p)-c2)2,則將p與S連成的t-links邊的權(quán)值設(shè)為9*109,這里"9*109"表示9和IO9 相乘；
[0017] 如果第一終端頂點(diǎn)S與第二終端頂點(diǎn)T連接的普通頂點(diǎn)p滿足（I(p)-Cl)2> (I(p)-c2)2，則將p與T連成的t-links邊的權(quán)值設(shè)為9*109;
[0018] (6)用最大流\最小割算法找到步驟（5)中幾何圖的最小割，以將幾何圖分成兩 部分，一部分由第一終端頂點(diǎn)S以及S連接的部分普通頂點(diǎn)組成，這部分普通頂點(diǎn)被標(biāo)號為 1，另一部分由第二終端頂點(diǎn)T以及T連接的部分普通頂點(diǎn)組成，這部分普通頂點(diǎn)被標(biāo)號為 〇,以對子圖I1的能量函數(shù)E(C，Cl，C2)進(jìn)行更新，從而驅(qū)動子圖I1內(nèi)的輪廓曲線向前景的邊 界演化；
[0019] (7)取窄帶區(qū)域內(nèi)的其它像素，重復(fù)步驟⑶到（6)中的操作，直至取完窄帶區(qū)域 內(nèi)所有像素，使圖像I內(nèi)的輪廓曲線C向前景的邊界靠攏；
[0020] (8)重復(fù)步驟⑵到（7)中的操作，直至輪廓曲線C到達(dá)目標(biāo)邊界，這時圖像在輪 廓曲線內(nèi)的部分就是前景，在輪廓曲線外的部分就是背景，完成圖像分割。
[0021] 本發(fā)明具有如下優(yōu)點(diǎn)：
[0022] 1)本發(fā)明由于在分割紫外極光圖像時，用基于隨機(jī)霍夫變換的線性最小二乘方法 得到的初步分割結(jié)果的邊界作為初始輪廓曲線，即加入了極光卵的形狀先驗(yàn)信息，因此，能 夠得到既完整又相對準(zhǔn)確的極光卵邊界，且由于初始輪廓曲線更接近極光卵的真實(shí)邊緣， 使輪廓曲線演化到極光卵邊界所用時間大大減少，從而加快了分割的速度；
[0023] 2)本發(fā)明基于圖割優(yōu)化的局部主動輪廓圖像分割方法不僅克服了CV模型用梯度 下降流優(yōu)化能量函數(shù)容易陷入局部最小的問題，同時，克服了CV模型和基于圖割優(yōu)化的主 動輪廓方法ACBGC不能分割灰度不均勻圖像以及低對比度圖像的問題。
【附圖說明】
[0024] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖；
[0025] 圖2是用本發(fā)明對紫外極光圖像進(jìn)行分割的仿真結(jié)果圖；
[0026] 圖3是用本發(fā)明與現(xiàn)有方法對灰度不均勻圖像進(jìn)行分割的對比結(jié)果圖；
[0027] 圖4是本發(fā)明對同一圖像選取不同r值的進(jìn)行分割的對比結(jié)果圖。
【具體實(shí)施方式】
[0028] 以下結(jié)合附圖對本發(fā)明的內(nèi)容和效果進(jìn)行進(jìn)一步描述。
[0029] 參照圖1，本實(shí)例的具體實(shí)現(xiàn)步驟如下：
[0030] 步驟1 :在輸入圖像I上定義初始輪廓曲線C，并對圖像上的所有像素進(jìn)行標(biāo)號。
[0031] la)在輸入圖像上定義初始輪廓曲線：
[0032] 若輸入圖像紫外極光圖像，則先用已有的基于隨機(jī)霍夫變換的線性最小二乘方法 得到初步的分割結(jié)果，然后提取初步分割結(jié)果的邊界作為本發(fā)明的初始輪廓曲線；
[0033] 若輸入圖像為其他類型的圖像，則用戶自定義初始輪廓，但初始輪廓曲線必須要 與前景接觸。
[0034] Ib)對圖像上的像素進(jìn)行標(biāo)號時，把輸入圖像看作一個矩陣，其中這個矩陣的行數(shù) 就是圖像的長，列數(shù)就是圖像的寬，矩陣中的元素就是圖像上對應(yīng)位置的像素灰度值，再把 矩陣中對應(yīng)于圖像輪廓曲線內(nèi)像素的元素?fù)Q成1，即把圖像輪廓曲線內(nèi)的像素標(biāo)號為1，把 矩陣中對應(yīng)于圖像輪廓曲線外像素的元素?fù)Q成0,即把輪廓曲線外的像素標(biāo)號為0。
[0035] 步驟2 :根據(jù)初始輪廓C構(gòu)造一個窄帶區(qū)域N。
[0036] 2a)構(gòu)造符號距離函數(shù)p(.v,j')：
[0037] 以圖像的左下角的像素為坐標(biāo)原點(diǎn)，取圖像上橫坐標(biāo)為x，縱坐標(biāo)為y的像素 (x，y)，記（x，y)到輪廓曲線C的距離為符號距離函數(shù)夢其中若（x，y)在輪廓曲線 內(nèi)，則記，若（X，y)在輪廓曲線外，則記，得到符號距離函數(shù)
[0038] 2b)令d(x，y) <a，即取圖像上到輪廓曲線C的距離小于等于a的所有像素，用這 些像素構(gòu)成一個窄帶區(qū)域N，其中，a為一個常數(shù)，取值在1到2之間。
[0039] 步驟3 :以窄帶區(qū)域內(nèi)的像素i為中心，在輸入圖像上取子圖L。
[0040] 3a)以窄帶區(qū)域內(nèi)的第i個像素點(diǎn)為中心，r為半徑做一個圓域，
[0041] 其中r的大小根據(jù)圖像灰度的不均勻性以及圖像的背景復(fù)雜性選取，當(dāng)圖像灰度 較不均勻，背景也較復(fù)雜時，r的值應(yīng)當(dāng)選的小一些，當(dāng)圖像灰度比較均勻，背景也較單一 時，r的值應(yīng)當(dāng)選的大一些，但r的值在8-40之間，參照圖4,r的大小對本發(fā)明的實(shí)驗(yàn)結(jié)果 有很大影響，所以要根據(jù)上述原則恰當(dāng)?shù)倪x取r的大?。?br>[0042] 3b)用這個圓域的外接正方形為邊界的區(qū)域作為圖像I的一個子圖L。
[0043] 步驟4 :在子圖上I1分別計算輪廓內(nèi)像素的灰度均值C1、輪廓外像素的灰度均值C2 和能量函數(shù)E(C,C1,C2):
[0047] 其中，y為控制輪廓曲線光滑程度的參數(shù)，取y> 0,VXq為子圖中相鄰兩像素 P、q的標(biāo)號，取值為〇或1。
[0048] 步驟5 :將步驟⑶得到的子圖I1映射為一個包含兩種頂點(diǎn)和兩種邊的幾何圖。
[0049] 5a)確定幾何圖的頂點(diǎn)；
[0050] 這個幾何圖包括兩種頂點(diǎn)，第一種頂點(diǎn)為普通頂點(diǎn)，即子圖I1I的每個像素；第二 種頂點(diǎn)為終端頂點(diǎn)，即子圖I1的前景和背景，其中，把前景作為第一終端頂點(diǎn)S，把背景作為 第二終端頂點(diǎn)T;
[0051] 5b)確定幾何圖的邊；
[0052] 這個幾何圖包括兩種邊，第一種邊為每兩個普通頂點(diǎn)的連線，又叫n-links，第二 種邊為每個普通頂點(diǎn)與2個終端頂點(diǎn)S和T的連線，又叫t-links;
[0053] 5c)確定幾何圖的邊的權(quán)值；
[0054] 將n-1inks的權(quán)值設(shè)置為能量函數(shù)E(C，Cl，C2);
[0055] 根據(jù)以下規(guī)則設(shè)置t-1inks的權(quán)值則：
[0056] 如果第一終端頂點(diǎn)S與第二終端頂點(diǎn)T連接的普通頂點(diǎn)p滿足（I(P)-C1)2 <(I(p) -C2)2，則將P與S連成的t-1inks邊的權(quán)值設(shè)為9*109,這是因?yàn)槿绻鹥滿足 (I(p)-C1) 2<(I(p)-C2)2,則P的灰度值與輪廓內(nèi)像素的灰度均值C1更接近，就可以認(rèn)為P 屬于前景，即P和代表前景的第一終端頂點(diǎn)S有很高的相似度，則p與S連成的邊的權(quán)值是 一個很大的數(shù)，這里設(shè)成9*109，"9*109"表示9和IO9相乘；
[0057] 如果第一終端頂點(diǎn)S與第二終端頂點(diǎn)T連接的普通頂點(diǎn)p滿足（I(p)-Cl)2> (I(P)-C2)2，則將P與T連成的t-links邊的權(quán)值設(shè)為9*109。這是因?yàn)槿绻鹥滿足（I(P)-C1)2 >(I(p)-C2)2，則P的灰度值與輪廓外像素的灰度均值C2更接近，就