← 返回列表

一种基于非局部特征的图像分割方法、系统、介质和设备

申请号: CN202410079491.7
申请人: 苏州大学
更新日期: 2026-03-20

专利详细信息

项目 内容
专利名称 一种基于非局部特征的图像分割方法、系统、介质和设备
专利类型 发明授权
申请号 CN202410079491.7
申请日 2024/1/19
公告号 CN117593323B
公开日 2024/3/29
IPC主分类号 G06T7/12
权利人 苏州大学
发明人 倪锦根; 卜倩倩; 董斌; 朱子聪
地址 江苏省苏州市吴江区久泳西路1号

摘要文本

本发明涉及一种基于非局部特征的图像分割方法、系统、介质和设备,其中方法包括:获取待分割图像,使用水平集方法在所述待分割图像中设置初始轮廓线;结合非局部特征图像和可伸缩归一化方法建立非局部特征驱动项;使用所述非局部特征驱动项对初始水平集函数进行迭代更新,得到最终轮廓线;使用所述最终轮廓线分割所述待分割图像,得到图像分割结果。本申请使用非局部特征驱动项对初始水平集函数进行迭代更新,从而获得分割结果,提高图像分割效率和分割精度,并适用于分割弱边缘和噪声图像。 数据由马 克 团 队整理

专利主权项内容

1.一种基于非局部特征的图像分割方法,其特征在于,所述方法包括:获取待分割图像,使用水平集方法在所述待分割图像中设置初始轮廓线;结合非局部特征图像和可伸缩归一化方法建立非局部特征驱动项;使用所述非局部特征驱动项对初始水平集函数进行迭代更新,得到最终轮廓线;所述非局部特征驱动项的建立方法表示为:其中,x为所述待分割图像中的矢量像素点,NLFD(x)为所述非局部特征驱动项,θ(x, 0)为判断曲线演化方向的方向符号,λ为调整所述非局部特征驱动项的幅度的常数,为可伸缩归一化函数,κ为伸缩因子,e(x)(i=1, 2)为非局部特征差异的图像的灰度值;>所述判断曲线演化方向的方向符号表示为:其中,φ(x, 0)表示所述初始水平集函数,mean()表示平均值计算函数,mean(φ(x, 0)<0)表示所述初始水平集函数的值小于0的矢量像素点的平均灰度值,mean(φ(x, 0)≥0)表示所述初始水平集函数的值大于等于0的矢量像素点的平均灰度值;所述可伸缩归一化函数表示为:其中,s表示所述可伸缩归一化函数的计算变量,为伸缩因子,r为/>正转折点的横坐标,/>为区分驱动项的边缘和非边缘区域的阈值;使用所述最终轮廓线分割所述待分割图像,得到图像分割结果。 ()