一种基于测地线模型的自适应割方法及设备

专利主权项内容

1.一种基于测地线模型的自适应割方法，其特征是，包括如下步骤：S1.输入目标图像I，并给定位于目标图像I中目标区域内部的固定源点p∈Ω；S2.通过将目标图像I与高斯核的梯度算子进行卷积，计算得到基于图像梯度度量构造的给定图像的边缘特征函数，然后进行归一化操作，生成新的边缘特征函数；S2具体步骤如下：S21.将目标图像I与高斯核的梯度算子进行卷积，得到边缘外观特征，所述边缘特征函数具体表达式如下：其中*是卷积运算符，G表示标准导数为σ的高斯核，和/>分别表示沿x轴和y轴方向的偏导数，I代表目标图像的第k维，n为目标图像的维数，∑为求和符号，X表示目标图像上的点；σkS22.将边缘特征函数J(·)的大小归一化到范围[0, 1]内生成新的边缘特征函数g(·)，具体表达式如下：其中∥J∥是边缘特征函数J的正无穷大范数，X表示目标图像I上的点；∞S3.根据新的边缘特征函数中目标图像的边缘结构信息构建边缘度量函数；S3具体步骤如下：S31.Lipschitz连续曲线γ为空间[0.1]到空间Ω的映射，记作γ : [0, 1]→Ω，Lipschitz连续曲线γ的加权曲线长度记作用公式表示为：其中，γ'＝dγ/du表示Lipschitz连续曲线γ的一阶导数，φ(·)为空间Ω到空间的映射范围内的度量函数，记作φ : />表示一维正实数空间；S32.根据新的边缘特征函数g(·)提供的目标图像I的边缘结构信息构建边缘度量函数，度量函数φ(·)根据定义等于边缘度量函数φ(·)，记作φ : ＝φ， : ＝表示根据定义等于；strstrS33.边缘度量函数φ(·)表示为：strφ(x)＝exp(τg(X))+ω，str其中τ、ω是正常数，g(·)是新的边缘特征函数；S4.通过使用测地线距离图上的梯度下降常微分方程的解/>来获得到图像边界的自适应割的参数化曲线C；pS4具体步骤如下：S41.确定自适应割参数化曲线C的终点b，通过公式：p其中，p表示目标区域内部的固定源点，表示以p为源点，X为终点的测地线距离图，argmin表示求/>最小时参数的取值，/>表示图像定义域Ω的偏微分表示图像的边界；S42.通过测地线距离图上的梯度下降常微分方程的解/>获得自适应割的参数化曲线C，通过与边界条件/>的边缘度量函数φ(·)关联的Eikonal偏微分方程获得测地线距离图/>测地线距离图/>为空间Ω到空间/>的映射，/>表示包含0和正实数的非负实数集；pstrS43.测地线距离图的计算公式为：/>其中表示包含0和正实数的非负实数集，inf表示函数的下确界，Lip([0, 1], Ω)表示包含所有Lipschitz连续曲线γ : [0, 1]→Ω的集合，p为目标区域内部给定的固定源点，为曲线γ : [0, 1]→Ω的能量函数，X表示目标图像中的一个点；S44.梯度下降常微分方程ODE的计算公式为：其中，翻转路径/>表示翻转路径，/>表示对/>求导，/>表示梯度算子, />表示/>的标准欧氏梯度，目标图像I上的点X∈Ω, p是一固定源点，当目标点X到达源点p时运算终止，分别令/>通过翻转路径/>检索弧长参数化的测地线路径/>S45.测地线距离图满足如下Eikonal偏微分方程：其中，表示图像的定义域Ω与目标区域内部的固定源点p的差集，/>表示梯度算子，/>表示/>的标准欧氏梯度，φ(X)表示度量函数。