融合非线性描述和显著性结构分析的自然图像分割方法研究

Nature image segmentation plays an important role in many applications. However, the nature image often suffers severe intensity inhomogeneity and complicated irregular texture so that the traditional segmentation method often be unavailable. In traditional methods, the local region is described by linear representation so that it cannot be used to solve the problem of nonconvex optimization caused by severe intensity inhomogeneity. Besides, the local descriptors or local statistical information are often unavailable to the segmentation of irregular texture image. The desirable texture structure features are not extracted correctly. Thus, we shall propose image segmentation model based on level set method to solve the two problems. Firstly, the intensity driven term based on nonlinear description is proposed to improve the segmentation results of images with severe intensity inhomogeneity. Secondly, in order to extract the features of complicated irregular texture images, the texture driven term is proposed by constructing correlation analysis based on salient structure. Thirdly, we utilize the dual constraint relaxation method to combine two driven terms so as to highlight the robustness of the proposed method. Then, the final image segmentation model is obtained by incorporating the proposed method into level set method. With the exhaustive research on this project, the segmentation results of nature image shall be improved to some extent. Meanwhile, the theoretical research of nature image segmentation shall be prompted and developed.

自然图像分割技术在很多应用中起着重要作用，但对于灰度严重不均匀和纹理复杂不规则这两个困难问题，还没有较好的解决方案。针对灰度严重不均匀问题，传统的方法主要基于线性表达式去描述局部区域，难以解决灰度严重不均匀导致的非凸优化问题。针对纹理不规则问题，目前应用比较广泛的是基于局部算子或局部统计的方法，但这些方法难以体现纹理重复或相似特性的结构特征，且没有统计局部区域之间的结构相关性。本项目提出用泰勒展开式构造非线性描述，逼近图像相同区域的灰度并构建灰度驱动项，可以很好的提升灰度严重不均匀图像的分割效果。提出局部区域之间的显著性结构相关性分析，构建更为准确的纹理驱动项，以更好的解决纹理复杂不规则问题。研究双重约束松弛方法融合两个驱动项，从而增强融合模型的鲁棒性，最终结合水平集方法构建一套分割方案。本项目的实施，不但可以提高自然图像分割的准确度，并且对图像分割的理论研究也起到一定的推动作用。

本项目以自然图像的分割为背景问题，着重研究自然图像分割中的两大难题：严重灰度不均匀和纹理复杂不规则。针对这两大难题，本项目开展了如下几项研究工作：第一、提出非线性的灰度描述方式，解决自然图像中灰度严重不均匀导致的非凸优化的问题，从而解决许多严重灰度不均匀的自然图像分割问题。该项工作利用泰勒展开表达式构造能量泛函，并取得了很好的效果，具有较高的创新性。第二、提出了局部显著性结构的相关性分析方法，解决自然图像的纹理不规则导致的纹理特征难提取的问题。该项工作捕捉了纹理图像中的结构连接特点，通过分析纹理中的显著性连接特征，区分不同的目标区域，并构造相应的区域型能量泛函进行图像分割。第三、研究一种多尺度的分割框架，将该框架应用到各种区域型水平集方法中，从而大大提高传统方法对图像的分割效果。该框架应用于多个方法中，实验证明该方法具有较高的推广性。第四、针对图像中的显著性特征问题，提出局部显著性图像拟合的分割方法，对于一些灰度不均匀图像分割效果良好。各项研究工作在自然图像分割中均取得了较好的结果，对严重灰度不均匀取得很好的抑制作用，对纹理从结构连接的角度能提取一些有效的特征，通过实验证实了，提出的方法对部分主流图像分割数据库取得了较好的分割效果。本项目的实施，一定程度上提高了自然图像分割的准确度，解决了严重灰度不均匀问题的困扰，而严重灰度不均匀问题在医学图像中尤为常见，所以，相关方法未来将向医学图像分割领域进行试验推广。此外，本项目对图像分割的理论研究，尤其是基于水平集的分割方法的理论方面起到了一定的推动作用。