1.一种基于全局与局部拟合能量的模糊区域型活动轮廓分割模型,其特征在于:该模型能量泛函由全局数据项和模糊拟合项构成,全局数据项EG定义如下:EG(u,g)=λ1∫Ω[u(x)]mg(I(x)‑c1)2dx+λ2∫Ω[1‑u(x)]mg(I(x)‑c2)2dx其中,λ1和λ2是大于0的权重系数,x为像素点,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,I(x)是输入图像,g是边缘检测算子,其算子定义如下:其中,为输入图像I(x)的输入算子,Gσ是标准方差为σ的高斯核函数;在模糊拟合项中,首先构建局部模糊拟合图像和全局模糊拟合图像,全局模糊拟合图像(GFFI)定义如下:IGFFI(x)=[u(x)]mc1+[1‑u(x)]mc2其中,c1和c2的表达式如下:u(x)∈[0,1]为伪水平集函数,又称隶属度函数,其定义:其中C为图像域Ω内闭合曲线;局部模糊拟合图像(LFFI)定义如下:ILFFI(x)=[u(x)]mf1+[1‑u(x)]mf2其中,f1和f2为局部区域像素平均灰度值;图像中任一像素x的局部区域平均灰度值,局部区域是指以图像中任一像素为中心的矩形区域(2k+1)×(2k+1),k为正整数;假设y是独立于x的局部图像域Ωx的像素点,其函数f1和f2定义如下:其中,ωk(x)是标准方差为σ的高斯函数;基于局部模糊拟合图像和全局模糊拟合图像,模糊拟合项EF(u,g)定义如下:EF(u,g)=α1∫Ωg|I(x)‑ILFFI(x)|dx+α2∫Ωg|I(x)‑IGFFI(x)|dx其中,α1和α2是大于0的权重系数,|·|为L1范式;因此,分割模型的能量函数表达式如下:E(u,g)=λ1∫Ω[u(x)]mg(I(x)‑c1)2dx+λ2∫Ω[1‑u(x)]mg(I(x)‑c2)2dx+α1∫Ωg|I(x)‑ILFFI(x)|dx+α2∫Ωg|I(x)‑IGFFI(x)|dx假设P是为图像中某一像素点,对应的灰度值为I0和隶属度为u0;相应地,对同一固定点P的新隶属度为un,具体实施步骤包括如下:(1)输入分割图像,设置初始化参数:权重系数λ1,λ2,α1和α2,最大迭代次数,边缘检测算子矩阵g;
(2)初始化水平集函数:目标区域u0(x)>0.5,背景区域u0(x)<0.5;(3)计算图像的灰度均值c1和c2,像素的平均灰度均值f1和f2,以及两个拟合图像矩阵ILFFI(x)和IGFFI(x);
其中,I(x)为整个图像域Ω中的输入图像,ωk(x)是标准方差为σ的(2k+1)×(2k+1)矩形区域高斯函数,t1=∑Ω[u(x)]m和t2=∑Ω[1‑u(x)]m;(4)计算整个图像域中的模糊拟合项EF(u,g):EF(u,g)=α1∑Ωg|I(x)‑ILFFI(x)|+α2∑Ωg|I(x)‑IGFFI(x)|(5)更新如下参数:隶属度函数un(x),图像的灰度均值和像素的平均灰度均值和以及两个拟合图像矩阵和(6)计算更新后的模糊拟合能量:(7)计算整个图像域中的能量变化值;
如果ΔE>0,用un值代替u0,否则保持u0原始值不变;(8)采用高斯滤波函数对伪水平集函数进行光滑和规则化:un(x)=un(x)*Kξ,其中ξ为标准差,设置ξ=1.5;(9)重复步骤(3)‑(8)直至循环结束。