一种基于边缘和区域信息的设计变分水平集图像分割方法.docxVIP

第48卷第5期 2008年9月大连理工大学学报Journal of Dalian University of TechnologyVol. 48, No. 5 Sept. 2 0 0 8文章编号：1000-8608(2008)05-0754-05一种基于边缘和区域信总的变分水平集图像分割方法刘秀平?，常先堂，李治隆(大连理工大学应用数学系，辽宁大连116024)摘要：分析了两种已有变分水平集图像分割模型，并由它们提出了一种新的基于图像边缘 梯度信息和区域全局信息的变分水平集方法.该方法既克雁了所述两种模型的块点，又继承 了各自的优点.同时，采用隐式迭代数值解法，在保证模型稳定性的基础上，加快了收敛速度.实验表明所提方法对于不同类型的图像均能够达到快速、稳定、准确、鲁棒的分割效果.关键词：活动轮廓线；变分水平集；基于边缘；基于区域；隐式迭代 中图分类号：TP391文献标志码：A〇引言图像分割是图像分析中基本而重要的问题之 所谓图像分割，就是按照一定的准则把图像分 成若干个互不交叠的区域，并且分割后的各区域 满足同质性和惟一性.虽然在图像分割算法的研 究方面，已经涌现出了诸多的典型算法，如基于像 素分类的阈值法，基于边缘检测的算子法，基于区 域分割的区域生长法、分裂合并法等，但由于图像 采集条件和图像本身都具有复杂性，目前还不存 在一种能够适用于所有图像类型的分割算法，特 定的图像类型需要特定的图像分割方法.近年来， 学者们围绕活动轮廓模型做了大量的工作，它是 一种基于PDE的图像处理方法.与传统的分割方 法相比，一方面，它具有更好的准确性;另一方面， 它还能够直接处理一些图像特征，如梯度、曲率等. 目前，该方法已成为图像分割中的一种重要工具.活动轮廓模型(也称为Snake模型)依据其表 达和实现方式的不同可分为两种：一种是参数化 活动轮廓模型[1]，一种是几何活动轮廓模型[23]. 参数化活动轮廓模型首先由KaSS等提出，它是 —种基于变分的能量极小化模型.其一般过程是： 对给定的模型，构造特定的能量极小化模型，利用 变分原理，得到模型演化曲线的偏微分方程.实际 应用中，这种基于变分的能量极小化模型方法的 最大优点是将图像分割问题转化为适当的能量函数的构造及能量极小化问题的求解，而能量的极 小解即是图像分割的结果.进一步，在能量模型中 还可以融人与自身问题相关的内部能量和外部约 束能量，使演化曲线在总能量的驱动下，朝目标区 域的边界演化，进而实现图像的分割.然而，当演 化曲线的拓扑结构有变化时，使用该方法进行分 割会遇到严重困难.几何活动轮廓模型首先由Caselles等[2]和 Malladi等W分别独立地引入.这种模型主要基于 平面曲线演化理论和水平集方法.其基本过程是 将平面曲线的演化隐含在髙维超平面水平集函数 中，通过特定的偏微分方程演化水平集函数，间接 地达到演化平面曲线的目的.相对于参数化 Snake模型，用水平集表达的几何活动轮廓模型， 在演化过程中，能自然地处理拓扑结构发生变化 的演化曲线.另外，由于它允许曲线演化过程中出 现尖点、拐角等，而且计算稳定，成为当前活动轮 廓模型中求解曲线演化问题的主要途径.早期的几何活动轮廓线模型[45] —般用 Lagrangian公式导出产生某个参数曲线的演化 PDE，再用水平集方法相应的欧拉公式将这个 PDE转化为水平集函数的演化PDE.另外，水平 集演化PDE也可以直接通过最小化定义于水平 集函数上的能量函数来得到，这种方法就是变分 水平集方法.相对于纯粹由PDE驱动的水平集方法[2~5]，变分水平集方法[6~8]可以在能量函数中 自然地融入附加约束信息，如基于图像区域W、图 像边缘[7]或物体形状先验知识的信息[8]，因而可 以产生鲁棒性更强的结果.在图像分割领域，变分 水平集方法的基本模型之一是Chan和Vese提 出的C-V模型[6].在这个模型中，水平集函数通 常取为由初始曲线生成的符号距离函数（SDF)， 出于计算速度的考虑，一般把初始曲线选为一个 圆.对于这种初始化方法，由于初始曲线的选择是 与图像信息无关的，如果初始曲线与最终曲线的 形状有较大差异，经常需要更多次的迭代.另外， 若将初始曲线选为任意形状，则会给SDF符号的 确定带来困难，甚至严重影响SDF初始化的速 度[9];文献[9]中虽然提出了一种当初始曲线为任 意形状时符号距离函数的快速初始化方法，但是 计算过程比较复杂，而如何构造其他形式的符号 距离函数是水平集方法中一个有待解决的问题. 另外，在文献[7]中，Li等提出了一种新的变分水平 集模型，在演化过程中不需对水平集函数重新初始 化也能保证其不退化，从而提高了模型求解速度. 本文将结合上述两种模型，给出一种将图像边缘与 区域信息相结合的变分水平集分