一种基于先验形状和CV模型的目标分割方法.pdf

(19)中华人民共和国国家知识产权局*CN102289812A*(12)发明专利申请(10)申请公布号CN102289812A(43)申请公布日2011.12.21(21)申请号201110247798.6(22)申请日2011.08.26(71)申请人上海交通大学地址200240上海市闵行区东川路800号(72)发明人李元祥韩洲沈霁(74)专利代理机构上海新天专利代理有限公司31213代理人张泽纯(51)Int.Cl.G06T7/00(2006.01)权利要求书2页说明书5页附图4页(54)发明名称一种基于先验形状和CV模型的目标分割方法(57)摘要一种基于先验形状以及CV模型的目标分割方法，首先选取先验形状构建符号距离函数，再根据仿射变换参数向量对先验形状符号距离函数进行仿射变换，仿射变换参数在对水平集函数进行迭代时会发生改变并最终趋于稳定，最后根据水平集迭代公式演化活动轮廓曲线，同时根据各仿射参数迭代公式求出下一次的各仿射变换参数。本发明在保持先验形状模型具有旋转、缩放和平移不变性的基础上，增加了X、Y方向拉伸以及剪切不变约束能量项，通过对先验形状的自适应变换的拓展，本发明可以实现对复杂背景下姿态变换较大的空间目标进行较好的分割。CN10289ACCNN110228981202289828A权利要求书1/2页1.一种基于先验形状和CV模型的目标分割方法，其特征在于包括下列步骤：①利用先验形状样本构建符号距离函数：从序列图中选取标准姿态的目标图像作为构建先验形状样本，然后对选中的先验形状样本进行阈值分割，阈值的大小根据样本背景的复杂度进行手动调整，其次采用数学形态算子对阈值分割后的图像进行背景抑制并用Sobel算子提取目标的边缘二值轮廓线，最后利用所述的的二值轮廓线构建先验形状符号距离函数ψ与ψ0；②设定并根据初始化的仿射变换参数，对先验形状样本的符号距离函数ψ与ψ0进行仿射变换：仿射变换参数为(Sx，Sy，θ，shx，shy，Tx，Ty)，其中Sx及Sy分别为X、Y方向上的两个缩放系数，θ为角度旋转参数，shx，shy分别为X、Y方向上的修剪参数，Tx，Ty分别为X、Y方向上的平移参数；其中：：XT＝(Sx，Sy，θ，shx，shy，Tx，Ty)；③利用下列公式(3)～公式(11)对图像进行水平集全局迭代运算，当活动轮廓线稳定时，即获得待分割的目标边界：数值化计算采用正则化函数Dirac函数代替H(z)和δ(z)，使下降流方程(11)能够作用在所有的水平集上，从而能够对图像区域的所有目标进行自动检测，并使能量函数达到全局极小值：2CCNN110228981202289828A权利要求书2/2页其中ψx，ψy分别为水平集函数ψ在x和y方向上的梯度。3CCNN110228981202289828A说明书1/5页一种基于先验形状和CV模型的目标分割方法技术领域[0001]本发明涉及图像处理技术，具体是一种基于先验形状和CV模型的目标分割方法。背景技术[0002]目前，在已有的各种目标分割方法中，曲线演化方法对目标的分割有相当好的结果，具体包括Snake方法、活动轮廓线方法、变形模型以及水平集方法等，参数化的Snake方法允许与模型直接交互，并且模型的表达紧凑，有利于模型的快速实现，但是难以处理模型拓扑结构的变化。基于变分水平集方法的活动轮廓模型能自然地处理演化曲线或曲面拓扑结构的变化，并能够自然地将边界信息和区域信息整合在一起。[0003]Mumford在1989年提出通过分片光滑函数的最佳逼近解决边缘检测问题的M-S水平集模型(MumfordD，ShahJ.Optimalapproximationbypiecewisesmoothfunctionsandassociatedvariationalproblems.CommunicationonPureandAppliedMathematics，1989，42(5)：577-685.)，Chan和Vese在M-S模型的基础上提出了简化的CV水平集模型(ChanTF，VeseLA.Activecontourswithoutedges.IEEETransactionsonImageProcessing，2001，10(2)：266-277.)，该模型的一个显著优点就是全局优化，在边界模糊处也能获得较好的分割结果，并且初始轮廓线可以放置在图像的任意位置。但该模型是基于灰度相似性来划分目标区域的，因此该模型存在三个方面的缺陷：①不能分割目标灰度与背景相似的目标，②不能有效分割纹理图像，③不能分割被遮挡、数据缺失的目标。[0004]为了克服以上缺陷，近年来国内外许多学者重点研究了把先验形状信息和水平集结合进行图像分割的问题。TonyChan等提出了利用先验形状知识进行图像分割处理的可形变