基于可变区域拟合水平集算法的改进

宋单单，刘广秀（山东科技大学，山东青岛，266000）



基于可变区域拟合水平集算法的改进

宋单单，刘广秀
（山东科技大学，山东青岛，266000）

摘要：基于可变区域拟合水平集算法利用图像的局部区域信息，在活动曲线演化控制参数的手工设置使其应用受到了限制。本文提出了将灰度信息图像匹配原理应用到RSF模型中，根据计算相邻演化图像的相关系数实现迭代的自适应停止。实验结果表明，改进的RSF模型克服了自动设置迭代次数的缺点，实现了迭代的自适应停止，而且对弱边缘不连续图像能够有效地实现，节省了时间，提高了分割效率。

关键词：可变区域拟合水平集；灰度不均匀；相关系数；迭代次数

0　引言

图像分割技术是低层图像处理技术之一，其目的是把目标从图像背景中分离出来。1988年，Kass等人将Snake形变模型首次用于图像分割领域，开拓性的将更多的学者吸引到对活动轮廓模型的研究当中。

著名的基于区域的几何活动轮廓模型有CV模型和RSF模型。CV模型是由Chan和Vese提出的基于Mumford-Shah模型去掉面积项简化而来的。其演化轮廓驱动力是利用图像区域的全局信息，自动检索图像的内部轮廓到达分割区域的边界。CV模型将图像内外的灰度信息近似为常数，无法反应图像灰度信息变化，难以分割灰度不均匀的图像。为了更好解决CV模型不能分割灰度不均匀图像，Li chunming等人提出了能够分割图像灰度不均匀的可变区域拟合水平集模型（Region-Scalable Fitting Model level set），简称RSF模型。该模型是把CV模型的全局二值拟合能量项改为以高斯核函数为可变区域拟合能量项的能量函数，解决了CV模型不能分割灰度不均匀图像的缺点。然而RSF模型存在着对初始轮廓敏感，对噪声图像分割不理想，在编程实现时由于未确定参数较多对多种图像实现困难等缺点，限制了该模型的实际应用。

针对RSF的缺陷，很多学者提出了大量的改进方法。提出了将灰度信息匹配的方法应用到基于区域的几何活动轮廓模型中。RSF模型需要针对不同的目标图像和不同的初始轮廓，人为地进行多次尝试设置迭代次数，以最终确定合适的迭代次数。设置迭代次数较大时会比较耗时，设置迭代次数较小时，分割不精确。据此提出了将灰度信息匹配的方法应用到RSF中，通过计算两幅相邻图像的相关系数，判定演化轮廓是否达到了目标轮廓边界，实现了迭代的自适应停止。达到了减少迭代次数，自适应停止，节省时间，提高分割精度的效果。

1　原理与方法

1.1RSF模型的改进

基于灰度信息图像匹配算法步骤：首先是逐像素计算两幅图像灰度矩阵，然后按照某种相似度量的方法对两个灰度矩阵进行比较，最后计算出两幅图像的相似度，分析结果。常用的匹配方法有相关匹配、投影匹配、傅里叶变换相位匹配及图像矩匹配等。其中相关匹配是要求两幅图像应具有相似的尺度和灰度信息，通过计算两幅图像对应部分的互相关性，判断整幅图像的相关性。

该算法应用到RSF模型中，通过对比两幅相邻图像的相关系数来判断演化轮廓是否达到目标轮廓。两幅图像的相关系数表示为：

2　实验结果与讨论

实验采用MATLAB7.6编程实现，编程中除了不设置的迭代次数外，其余各参数与原始RSF模型参数取值相同。图1为明显的灰度不均匀合成图像及初始轮廓，图（b）和图（c）分别是迭代演化到95次和100次时的轮廓，但是由于相关系数不等于1，所以轮廓继续演化；图（d）和图（e）分别是迭代演化195次和200次时的演化轮廓，此时计算两幅图像的相关系数等于1，所以轮廓停止演化，得到最终的分割结果（f），图1的最终迭代次数N=200次。

由于医学图像的复杂性，手动设置迭代次数加重了医学工作者的负担，而通过本文改进方法可以有效的实现迭代的自适应停止，无需手动设置迭代次数，节省了多次尝试设置迭代次数而浪费的时间。

3　结论

可变区域拟合水平集模型在编程实现时由于包含多个不确定的参数设置，使得实现困难且比较耗时。本文根据灰度图像信息匹配的原理，将相关系数引入到可变区域拟合的水平集模型中。改进后的RSF level set ，通过测试多幅图像，实现了演化的自动停止，省去了多次尝试设置迭代次数的麻烦，且能够分割弱边界和不连续的图像，得到了理想的分割效果。但是由于在图像演化时要存储且要计算相邻两幅图像的相关系数，比较相关系数是否等于1，等于1演化停止，不等于1演化继续，在这个过程中比较费时，而如何减少自适应停止演化的时间是下一步工作的重点。

参考文献

［1］ Chan T F，Vese L A.Active contours without edges ［J］.IEEE Transactions on Image Processing，2001，10（2）：266-277. ［2］ C.Li，C.Kao，C.Gore，and Z.Ding，Minimization of Region-Scalable Fitting Energy for Image Segmentation ［J］.IEEE Trans.Image Proccessing，2008，17（10）：1940-1949.

［3］ Wang L，Li C，Sun Q，et al.Active contours driven by local and global intensity fitting energy with application to brain MR image segmentation ［J］. Computerized Medical Imaging and Graphics， 2009，33：520-531

An improved image segmentation algorithm based on RSF

Song Dandan，Liu Guangxiu
（Shandong University of Science and Technology，Qingdao Shandong，266000）

Abstract：Base on Region-scalable fitting level set algorithm using local area information，but the curve evolution control parameters manually set way make its application is limited.Information is proposed in this paper the gray scale image matching principle is applied to the RSF model，according to the calculation of adjacent image correlation coefficient to realize iterative adaptive evolution.The experiental results show that the improved RSF model overcomes the drawback of automatically set the number of iterations，implements the iterative adaptive to stop，and the weak edge discontinuity image effectively，save time and improve the efficiency of segmentation.

Keywords：Variable region fitting level set；gray level uneven；correlation coefficient；iteration number

作者简介

宋单单（1989—），女，汉族，山东菏泽市人，硕士研究生，山东科

技大学电子通信与物理学院，研究方向：图像处理与分析。

图1　迭代自适应停止演化过程