基于LBF模型的图像分割与偏差场校正系统

资 源 简 介

本项目在MATLAB环境下实现了一种基于局部二值拟合（Local Binary Fitting, LBF）能量的变分水平集图像分割算法。该系统主要针对存在灰度不均匀（Intensity Inhomogeneity）或偏差场（Bias Field）的图像进行精确分割。与假设图像区域灰度恒定的全局模型（如Chan-Vese模型）不同，LBF模型引入了高斯核函数来定义局部能量项，利用目标点邻域内的局部灰度信息来引导活动轮廓的演化。功能详细包括：1. 算法初始化模块，允许用户在图像上交互式地绘制初始轮廓或自动设置初始水平集函数；2. 核心演化模块，通过最小化LBF能量泛函，采用梯度下降流推导出演化方程，同时计算图像的局部拟合中心；3. 数值计算模块，使用有限差分法对偏微分方程进行离散化求解，并引入距离正则化项以避免水平集函数的重新初始化过程，提高计算效率；4. 偏差场估计功能，在分割过程中同步估计并校正图像的背景灰度不均匀现象；5. 结果可视化模块，实时展示曲线演化过程，并最终输出分割的二值掩膜、带有红色边界轮廓的原图以及去除偏差场后的校正图像。

详 情 说 明

基于LBF活动轮廓模型的图像分割与偏差场校正系统

项目简介

本项目是一个在MATLAB环境下开发的图像处理系统，主要实现了一种基于局部二值拟合（Local Binary Fitting, LBF）能量的变分水平集图像分割算法。该系统专门针对医学图像或自然图像中常见的“灰度不均匀”（Intensity Inhomogeneity）或“偏差场”（Bias Field）现象设计。

与传统的全局Chan-Vese模型不同，本项目利用高斯核函数提取局部灰度信息，引导活动轮廓向目标边界演化，从而能够同时实现复杂图像的精确分割和偏差场估计与校正。

功能特性

• 内置演示数据生成：无需外部图像文件，系统运行时自动生成包含圆形、矩形目标以及强烈低频偏差场和高斯噪声的合成图像，方便直接验证算法有效性。
• 局部二值拟合（LBF）机制：通过计算目标像素邻域内的局部拟合中心，克服了全局模型无法处理灰度不均的缺陷。
• 距离正则化水平集演化（DRLSE）：引入了距离正则化项，在演化过程中保持水平集函数的符号距离特性，从而避免了传统方法中耗时的重新初始化（Re-initialization）步骤。
• 自动初始化：程序自动在图像中心生成初始轮廓，无需手动干预。
• 高效的数值计算：利用卷积运算加速局部均值和能量项的计算，并使用有限差分法求解偏微分方程。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱）

使用方法

1. 确保MATLAB当前工作目录为项目所在文件夹。
2. 直接运行 main.m 文件。
3. 系统将自动弹出窗口，显示原始合成图像及分割演化的中间过程。

详细代码逻辑与实现分析

本项目核心逻辑包含在 main.m 文件中，采用了单一脚本结构以便于理解和调试。以下是代码的具体实现细节分析：

1. 图像获取与预处理模块

代码首先清空环境，随后通过数学公式构建合成图像，而非读取外部文件。

• 偏差场模拟：构建了一个基于二次函数的低频偏差场（Bias Field），中心亮四周暗，模拟光照不均。
• 目标构建：在图像中通过逻辑索引创建了圆形和矩形两个几何目标。
• 图像合成：最终图像由（背景+目标）乘以偏差场，再叠加高斯噪声生成，并进行了[0,1]范围的归一化处理。这确保了输入数据具有LBF模型旨在解决的典型特征。

2. 算法参数配置

代码集中定义了演化的控制参数：

• 演化控制：定义了外循环和内循环次数，以及时间步长（delta_t）。
• LBF权重：lambda1 和 lambda2 分别控制轮廓内部和外部的能量权重。
• 正则化权重：mu 用于控制距离正则化项的强度，nu 控制长度项（即轮廓光滑度），sigma 定义了高斯核的尺度，决定了“局部”信息的范围。

3. 水平集函数初始化

实现了全自动的初始化策略：

• 创建一个与图像等大的矩阵，背景赋值为常数 c0。
• 在图像中心定义一个矩形区域，将其赋值为 -c0。
• 这种阶梯函数作为初始水平集函数（LSF），其零水平集即为初始轮廓。
• 同时预先生成了指定标准差 sigma 的高斯卷积核 K，用于后续的局部信息提取。

4. 核心演化模块（LBF 能量最小化）

这是代码中最关键的部分，在一个循环结构中迭代更新水平集函数 u。

A. 几何特征与正则化项计算

• 梯度计算：使用 gradient 函数计算水平集函数的梯度及其模长。
• 距离正则化项：代码实现了一种简化的距离正则化策略（类似DRLSE模型）。通过计算势函数的梯度发散度，迫使水平集函数的梯度模长在演化过程中保持在1附近，从而维持符号距离属性。

* 逻辑上计算了扩散算子 dp_reg。 * 通过散度公式计算 distRegTerm。

• 长度项（曲率流）：计算梯度的归一化向量场，并求其散度得到曲率 curvature。该项用于保持演化曲线的光滑，平滑噪声造成的锯齿边界。

B. LBF 数据项计算 代码利用卷积操作高效计算局部能量项，避免了逐点循环：

• 平滑 Heaviside 函数：使用反正切函数近似Heaviside函数，用于区分轮廓内外区域。
• 局部均值计算（f1, f2）：这是LBF模型的核心。通过高斯核 K 对图像 Img 和 Heaviside 函数 Hu 进行加权卷积，计算出每个像素点邻域内的“内部局部均值” f1 和“外部局部均值” f2。
• 能量梯度项（s1, s2）：根据 LBF 能量泛函对水平集函数的变分导数推导，计算数据项的梯度。

* 代码利用数学展开式 $(I - f)^2 = I^2 - 2If + f^2$ 的原理，结合卷积运算，分别计算了轮廓内（s1）和轮廓外（s2）的局部拟合误差积分。

• 数据项汇总：将 s1 和 s2 根据权重 lambda1 和 lambda2 结合，形成驱动轮廓运动的主要驱动力 dataTerm。

C. 演化方程组装 最后，代码将距离正则化项、长度项（曲率项）和LBF数据项组合，乘以Dirac函数（代码中使用梯度的近似形式或直接更新），得到水平集函数的时间导数 delta_u，并进行迭代更新。

(注：最终演化过程通过MATLAB的绘图功能，利用 contour 函数在原图上实时绘制红色的零水平集轮廓，直观展示分割进度的动态变化。)