水平集介绍
水平集分为三种:
1 . 基于图像边缘灰度梯度信息 ,适用于边缘强的图像分割
2 . 基于区域特征 ,利用区域信息引导曲线慢慢靠近 ,比如分割曲线区域的内外灰度均值,分割曲线内部区域面积(例如 Chan-Vase)
3 . 混合型
水平集关键 :曲线的演变
首先设置一个初始轮廓,也就是初始轮廓,通过将这个初始轮廓演变成图像中需要分割出来的形状,那具体是如何演变的呢 ?我用自己的理解来解释一下:
既然曲线在演变,那曲线的每一个点一定有一个演化的方向,如何确定演化方向?
用最优方向,也就是 梯度方向的法线方向,因为曲线沿这个方向变化最快 .
既然曲线在演变,每一个点不但有了方向也应该有一个速度,如何控制曲线演变速度呢?
用 梯度信息,也就是图像的灰度分别对坐标轴两方向求偏导,靠近边缘变化慢,远离边缘变化快 .
Chan-Vese(CV) 算法
要用水平集实现图像分割 , Chan-Vese算法是一个非常重要的算法,CV模型使用图像的像素灰度信息作为能量,构造能量函数,通过控制曲线内外图像的灰度值来实现曲线的演变,公式如下:
其中
表示原图像在 坐标下的灰度值 , 分别为曲线内外图像灰度值的均值 .当曲线演变至目标轮廓时,
取极小值,内外能量守恒 .再在
上加上一些正则项 ,得出一个能量泛函:引入水平集函数 :
先来说一下我对这个函数
的理解 ,我把它理解成一个描绘等高线的函数,他不是一个曲线函数,我们可以把它理解成一个 面函数,从初始曲线映射的面函数,假设引入时间变量 ,随着时间 在变 曲线也就在演变,而面也就一层一层的向下演变,这个在之后的变分方程(E-L公式的介绍里会详细的说明)当演化到一定程度,再通过绘制等高线的方法,来实现图像最终的分割.刚才既然说到 水平集函数是一个面函数,那么如何表示曲线呢?这里就要引入 Heaviside Fucntion(阶跃函数) 公式如下:
这里阶跃函数的参数
就是水平集函数一般一个初始的轮廓设置时,变量是一个和原图相同大小的矩阵,轮廓内的值
为 1,而轮廓外的值为 -1,通过慢慢演变,中的 -1逐渐增大变为正数,迭代到一定程度是 ,将轮廓曲线分割完成,而
阶跃函数的意义就是 如果,也就是 的值 了,说明该点已经被认为是演化出来的新的轮廓了.能量泛函的定义
上面已经提到过,能量泛函为:
其中:
并且每一个前面都需要有一个权重参数,所以总能量泛函就可以是:
其中:
在理论上来讲,Heaviside Fucntion(阶跃函数)是不存在的,所以我们选择了一个替代函数(
为常数):为什么选择这个函数呢?因为后面变分法梯度下降的时候,会涉及到
求导,而数学好的已经发现了 求导是一个跟 有关的常数 .当ϵ 的取值越小,替代函数也就越接近理想中的的阶跃函数。
求解能量泛函极值
我们使用变分法(欧拉 – 拉格朗日)和梯度下降来求泛函
的最优解,公式如下:代码实现中,我们也是通过这个公式来实现迭代并更新水平集函数
Original: https://blog.csdn.net/qq_37668179/article/details/123384828
Author: 我与春风皆过客。
Title: 图像分割 – 水平集算法
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/632246/
转载文章受原作者版权保护。转载请注明原作者出处!