自适应的基于先验形状的图像分割方法.pdf

(19)中华人民共和国国家知识产权局*CN101964112A*(12)发明专利申请(10)申请公布号CN101964112A(43)申请公布日2011.02.02(21)申请号201010523614.X(22)申请日2010.10.29(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)发明人刘维平杨新赵庆(74)专利代理机构上海交达专利事务所31201代理人王锡麟王桂忠(51)Int.Cl.G06T7/00(2006.01)权利要求书2页说明书7页附图7页(54)发明名称自适应的基于先验形状的图像分割方法(57)摘要一种图像处理技术领域的基于先验形状的图像分割方法，采用整数符号函数克服由于噪声的干扰对图像分割的影响，并针对其需要手动调节先验形状模型和传统活动轮廓模型的权值系数，提出约束变分模型使得该权值系数可以自适应的收敛到稳定值，同时以识别为基础的形状模板选择用以在分割时候确定采用哪个先验形状的形状模板，避免现有技术中得不到基于先验形状模型的分割结果的问题。CN109642ACCNN110196411201964113A权利要求书1/2页1.一种自适应的基于先验形状的图像分割方法，其特征在于，包括以下步骤：第一步、将目标图像的形状表示为形状模板作为先验形状模板库，初始化演化曲线；第二步、将演化曲线和先验形状模板库中的形状模板进行逐一配准，并根据配准结果更新形状模板库：第三步、利用形状相似性度量从所述先验形状模板库中选择形状模板：采用部分豪斯道夫距离方法度量演化曲线与更新后的形状模板的相似性程度，并取出相似性程度最大的形状模板作为识别结果；第四步、利用约束变分模型求得识别结果中的形状和灰度之间的权值系数，并结合形状模板和图像灰度信息分割目标图像得到分割结果。2.根据权利要求1所述的自适应的基于先验形状的图像分割方法，其特征是，所述的整数符号函数的形状模板是指：以双边的链表结构C表示形状轮廓，该双边的链表结构的内边缘为Lin，外边缘为Lout，在C内部且不在Lin中的点为Cin，在C外部且不在Lout中的点为Cout，则有作为形状模板的整数符号函数：其中：(x，y)为目标图像中任一一点的坐标，a＝1，b＝3。3.根据权利要求1所述的自适应的基于先验形状的图像分割方法，其特征是，所述形状模板是指：将先验形状的轮廓作为Lout，根据整数符号函数的定义将先验形状表示为整数符号函数。4.根据权利要求1所述的自适应的基于先验形状的图像分割方法，其特征是，所述的演化曲线是指：采用整数符号函数描述在图像平面中的闭合曲线，其中将演化曲线作为Lout。5.根据权利要求1所述的自适应的基于先验形状的图像分割方法，其特征是，所述的配准是指：使得演化曲线和形状模板配准。最小化演化曲线和形状模板的误差平方和，优化尺度、旋转和平移使得误差平方和最小。6.根据权利要求1或5所述的自适应的基于先验形状的图像分割方法，其特征是，所述的配准具体步骤为：2.1)演化曲线和形状模板的平方误差和表示为：ES(φ，f)＝2∫∫Ω(φ-ψ(f))dxdy，其中：ψ和φ分别为形状模板和演化曲线的整数符号函数，具体为：其中(u，v)为形状模板平面上的点，2CCNN110196411201964113A权利要求书2/2页其中(x，y)为图像平面上的点；ES为形状能量，f为刚体变换函数，具体为包括平移项Tx，Ty、旋转项θ和缩放项s，(Tx，Ty表示在x方向和y方向的平移)；2.2)作为尺度、旋转和平移的梯度下降方程具体为：其中：p∈{Tx，Ty，θ，s}。2.3)根据平移项Tx，Ty、旋转项θ和缩放项s更新形状模板。7.根据权利要求1所述的自适应的基于先验形状的图像分割方法，其特征是，所述的相似性程度是指：HLK(A，B)＝max(hL(A，B)，hK(B，A))，其中：为改进后的有向豪斯道夫距离，代表距离集中的第K个值，点集A＝{a1，...，am}为演化曲线上的所有点，m表示A中点的数目，点集B＝{b1，...，bn}为形状模板轮廓上的点，n表示B中点的数目，p1＝K/m和p2＝L/n，则p1和p2的范围在[0，1]，且p1和p2的选择取决于目标被遮挡的程度，通过选定p1和p2确定L和K。8.根据权利要求1所述的自适应的基于先验形状的图像分割方法，其特征是，所述的约束变分模型为：22s.t.∫∫Ω(φ-ψ(f))dxdy＝α∫∫Ω(2b)δ(ψ(f)-a)dxdy，上述约束变分模型的解析解满足欧拉方程(EE)和LMR，具体如下：22∫∫Ω(φ-ψ(f))dxdy＝α∫∫Ω(2b)δ(ψ(f)-a)dxdy，其中：ζ为拉格朗日乘子常数，即为将C-V能量函数和形状能量ES结合起来的权值系数，α＝2.5或0.2。9.根据权利要求1所述的自适应的基于先验