專利名稱：一種用于紡織和醫(yī)學圖像的分割方法
技術領域：
本發(fā)明涉及一種圖像分割方法，尤其是能改善過分割現(xiàn)象的圖像分割方法。
背景技術：
圖像分割是計算機視覺領域中的一個關鍵任務。在各種分割算法中，分水嶺是一種較好的算法。它以梯度幅值圖像為處理對象，能夠自動分割圖像中的各個目標物體，在圖像處理中被廣泛應用。從原理上分析，分水嶺是一種基于區(qū)域的圖像分割方法。目前，分水嶺算法的一個公認的嚴重缺點就是對噪音敏感，易于產生過分割，即分割的區(qū)域數(shù)目遠超過圖像中包含的實際對象數(shù)。其原因在于每個實際對象區(qū)域中經(jīng)常包含多個局部最小值。而依據(jù)分割原理，每個局部最小值就會產生一個分割區(qū)域。所以一般的梯度幅值圖像因其含有噪音，并不適合用分水嶺算法處理。因此在用分水嶺進行圖像分割前，需要對其做預處理。距離變換是一種常用的預處理算法，它將二值圖像構造成一幅具有分水嶺結構的梯度幅值圖像，然后再進行分割。另外一些濾波算法也可用于預處理灰度圖像，減少局部最小值的個數(shù)，以改進分割質量。
發(fā)明內容
為了克服現(xiàn)有分水嶺算法對噪音敏感、易于產生過分割的不足，本發(fā)明提出一種能改善過分割現(xiàn)象的圖像分割方法。本發(fā)明解決其技術問題所采用的技術方案是首先，為得到梯度幅值圖像，對原始圖像進行邊界檢測；然后，利用一維梯度向量流偏微分方程對梯度幅值圖像進行邊界信息擴散和噪音去除；再后，檢測梯度圖像的局部最小值點，并通過形態(tài)學膨脹運算自動合并相近的局部最小值點；最后，用分水嶺算法分割處理后的圖像。所述的分水嶺算法是基于拓撲理論的數(shù)學形態(tài)學的分割方法，其基本思想是把圖像看作是測地學上的拓撲地貌，圖像中每一點像素的灰度值表示該點的海拔高度，每一個局部極小值及其影響區(qū)域稱為集水盆， 而集水盆的邊界則形成分水嶺。所述分水嶺算法的計算過程是分成兩個步驟的迭代標注過程，一是排序過程，另一是淹沒過程；即，首先對每個像素的灰度級進行從低到高排序，然后在從低到高實現(xiàn)淹沒過程中，對每一個局部極小值在h階高度的影響域采用先進先出的 FIFO結構進行判斷及標注。本發(fā)明的有益效果是，改善了分水嶺算法的過分割現(xiàn)象，為后續(xù)處理提供較為可靠的技術手段，可廣泛用于各種圖像預處理中，尤其在例如紡織、生物醫(yī)學圖像等精細圖像的分割中。相對于傳統(tǒng)預處理方法，提高了后續(xù)階段如目標提取和模式識別等任務的正確率。
具體實施例方式第一步，利用一維梯度向量流偏微分方程對梯度幅值圖像進行邊界信息擴散和噪音去除。具體為，將原始的用于對二維梯度向量進行擴散的梯度向量流GVF修改為對一維的梯度幅值進行擴散的偏微分方程，即ID-GVF
u▽2g-f2(g-f) = 0⑴其中，f表示原始圖像的梯度幅值圖像，μ是權值因子，▽是梯度算子，g是偏微分方程對f的擴散作用結果，它的初始值是f。式(1)所對應的最小化能量泛函為
權利要求
1.一種提高圖像分割性能的方法，其特征是首先，為得到梯度幅值圖像，對原始圖像進行邊界檢測；然后，利用一維梯度向量流偏微分方程對梯度幅值圖像進行邊界信息擴散和噪音去除；再后，檢測梯度圖像的局部最小值點，并通過形態(tài)學膨脹運算自動合并相近的局部最小值點；最后，用分水嶺算法分割處理后的圖像.
2.根據(jù)權利要求1所述的提高圖像分割性能的方法，其特征是分水嶺算法是基于拓撲理論的數(shù)學形態(tài)學的分割方法，其基本思想是把圖像看作是測地學上的拓撲地貌，圖像中每一點像素的灰度值表示該點的海拔高度，每一個局部極小值及其影響區(qū)域稱為集水盆，而集水盆的邊界則形成分水嶺。
3.根據(jù)權利要求1所述的提高圖像分割性能的方法，其特征是分水嶺算法的計算過程是分成兩個步驟的迭代標注過程，一是排序過程，另一是淹沒過程；即，首先對每個像素的灰度級進行從低到高排序，然后在從低到高實現(xiàn)淹沒過程中，對每一個局部極小值在h 階高度的影響域采用先進先出的結構進行判斷及標注。
全文摘要
一種用于紡織和醫(yī)學圖像的分割方法。它改善了圖像分水嶺算法中的過分割現(xiàn)象，是以如下步驟進行的首先，為得到梯度幅值圖像，對原始圖像進行邊界檢測；然后，利用一維梯度向量流偏微分方程對梯度幅值圖像進行邊界信息擴散和噪音去除；再后，檢測梯度圖像的局部最小值點，并通過形態(tài)學膨脹運算自動合并相近的局部最小值點；最后，用分水嶺算法分割處理后的圖像。
文檔編號G06T5/00GK102542531SQ20101057849
公開日2012年7月4日 申請日期2010年12月8日 優(yōu)先權日2010年12月8日
發(fā)明者吉慶, 周頔 申請人:江南大學