[发明专利]基于显著感知先验的模糊区域活动轮廓分割模型

摘要

一种基于显著感知先验的模糊区域型活动轮廓分割模型，主要包括水平集函数的定义、能量泛函的构建和基于能量泛函的求解过程。通过将图像局部区域信息和显著性先验信息融合于模糊主动轮廓模型，构建了区域型模糊项和显著感知先验模糊项的凸能量泛函，并非用欧拉‑拉格朗日公式而是直接计算能量的变化值来更新水平集函数，不仅提高了分割灰度不均匀图像和弱边缘图像的分割效果，而且还使得分割结果与初始条件无关。

主权项

1.一种基于显著感知先验的模糊区域型活动轮廓分割模型，其能量泛函由区域型模糊项和显著感知先验项构成；区域性模糊项Eimg定义如下：其中，λ是大于0的权重系数，Ω为图像域，c₁和c₂是图像像素均值，u(x)是模糊成员函数，m是权重幂指数(可取值为1或2)，S(x)为局部区域图；为简化计算，S(x)定义为尺度为r₁方差σ₁的图像高斯卷积特征图图像灰度值c₁和c₂定义如下：显著感知先验项定义如下：Esal(u)＝α∫Ωg(h(x)‑s1)2·[u(x)]mdx+α∫Ωg(h(x)‑s2)2·[1‑u(x)]mdx其中，α是大于0的权重系数，s₁和s₂是显著特征图像素均值，h(x)为显著性检测函数，其定义为h(x)＝||G_σ,r*I(x)‑I_u||，I_u是图像的区域特征均值，是尺度为r₂方差σ₂的高斯核函数，g是边缘检测算子，其算子定义如下：其中，g是奇数行为N的方阵，▽di为当前点到邻近点的距离，K是矩阵元素个数；显著特征图像素均值s1和s2定义为：因此，分割模型的能量函数表达式如下：