基于稀疏表示的物体轮廓提取方法.pdf

(19)中华人民共和国国家知识产权局*CN101916381A*(12)发明专利申请(10)申请公布号CN101916381A(43)申请公布日2010.12.15(21)申请号201010230471.3(22)申请日2010.07.13(71)申请人北京大学地址100871北京市海淀区颐和园路5号北京大学(72)发明人李月龙封举富(74)专利代理机构北京君尚知识产权代理事务所(普通合伙)11200代理人邵可声(51)Int.Cl.G06K9/66(2006.01)G06K9/46(2006.01)权利要求书1页说明书5页附图3页(54)发明名称基于稀疏表示的物体轮廓提取方法(57)摘要本发明公开了一种基于稀疏表示的物体轮廓提取方法，属于数字图像处理与感知技术领域。本发明方法包括：a)在训练集中为输入的物体图像确定一个初始化轮廓，b)对初始化轮廓进行多次组合处理，每次组合处理包括局部搜索和矫正，c)当局部搜索的次数达到设定的阈值，或者一次局部搜索过程中未移动位置的控制点数量超过设定的阈值，终止所述组合处理，并输出得到的轮廓。本发明可以广泛应用于图像理解和感知的各个领域，提高计算机自动处理图像以及视频的效率，具有广泛的应用前景。CN109638ACN101916381A权利要求书1/1页1.一种基于稀疏表示的物体轮廓提取方法，包括下列步骤：a)在设定的训练集中，为输入的物体图像确定一个初始化轮廓，所述训练集由多个经过标定的样本轮廓组成，b)对初始化轮廓进行多次组合处理，每次组合处理包括局部搜索和矫正，所述局部搜索包括：沿着物体轮廓的每个控制点的法向搜索设定的像素范围，若能找到更符合控制点身份特征的位置，则以该位置替换当前控制点位置，所述矫正包括：利用训练集的所有样本轮廓与N个正交的单位向量的线性加权组合轮廓逼近当前轮廓，N表示样本轮廓的维数，其中的各个权重由设定的线性优化算法确定，在优化过程中，在不影响逼近程度的前提下，要求使N个单位向量的权重尽可能小，由此使得当前训练集轮廓的加权线性组合最佳逼近输入轮廓，然后由此组合轮廓取代当前轮廓，c)当局部搜索的次数达到设定的阈值，或者一次局部搜索过程中未移动位置的控制点数量超过设定的阈值，终止所述组合处理，并输出得到的轮廓。2.如权利要求1所述的基于稀疏表示的物体轮廓提取方法，其特征在于，所述初始化轮廓是训练集中的一个轮廓、或者所有轮廓的平均轮廓。3.如权利要求1所述的基于稀疏表示的物体轮廓提取方法，其特征在于，步骤b)所述设定的像素范围是指在控制点内侧和外侧沿着法线方向各10个像素。4.如权利要求1所述的基于稀疏表示的物体轮廓提取方法，其特征在于，步骤b)所述控制点身份特征是沿着控制点法向的设定范围内的各个像素的梯度值。5.如权利要求4所述的基于稀疏表示的物体轮廓提取方法，其特征在于，所述设定范围是指在控制点内侧和外侧沿着法线方向各5个像素。6.如权利要求1所述的基于稀疏表示的物体轮廓提取方法，其特征在于，所述设定的线性优化算法是l0优化算法。7.如权利要求1所述的基于稀疏表示的物体轮廓提取方法，其特征在于，所述设定的线性优化算法是l1优化算法。8.如权利要求1所述的基于稀疏表示的物体轮廓提取方法，其特征在于，局部搜索次数的阈值为20次。9.如权利要求1所述的基于稀疏表示的物体轮廓提取方法，其特征在于，未移动位置的控制点数量的阈值为总控制点数量的70％。10.如权利要求1所述的基于稀疏表示的物体轮廓提取方法，其特征在于，所述物体为人脸、人脸的部位、人手、或人体特定器官。2CN101916381A说明书1/5页基于稀疏表示的物体轮廓提取方法技术领域[0001]本发明涉及物体轮廓提取，尤其涉及一种基于稀疏表示的物体轮廓提取方法，属于数字图像处理与感知技术领域。背景技术[0002]随着现代科技的飞速发展，人们所需要处理的图像的数目变得极为庞大，因此对于图像的自动理解(不需要人工干预)和处理技术的需求变得越来越迫切，要求也越来越高。而研究如何从图像中提取出人脸等特殊目标物体的轮廓(这里所指的轮廓是由一个个控制点的坐标来表示的，用直线将这些控制点连接起来就形成了物体完整的轮廓)对于图像的自动理解以及处理具有非常重要的意义。例如：从人脸图像中提取出人脸各个部位的轮廓可以有助于进行表情识别，从手的图像中获取手的轮廓之后可以进行手势的识别，从核磁共振图像中提取出各个具体部位的轮廓之后则可以根据已有知识判断各个部位是否有病变发生等等。[0003]和普通的边缘检测方法不同，对于人脸等固定目标轮廓的提取，现有技术主要依赖于基于模板的匹配搜索。基于模板的搜索可以划分为基于固定模板与基于可变形模板两类，其中，前者虽然复杂度低而且实现简单速度快，但应用范围较小，而后者则受限于模型的可变性不易控制而常常不能实现精