[发明专利]基于离散曲线演化的骨架剪枝方法

说明书

技术领域

本发明属于图像处理技术领域，涉及基于离散曲线演化的骨架剪枝方法。

背景技术

自1967年中轴的概念提出以来，骨架已成为表示和识别物体的重要手段之一，在医学图像分析、零件检测、三维建模、计算机辅助设计、无线传感器网络覆盖等方向有着广泛的应用。骨架包含了目标的区域形状信息和拓扑结构，反映了目标的重要视觉线索，基于骨架的目标表示和识别技术成为模式识别和计算机视觉的重要研究内容。然而现有的许多方法得到的骨架往往不能直接用于图形识别，因此研究者提出了利用各种骨架控制参数对骨架进行剪枝、去噪、收缩等操作，有些情况需要人工干预。为了准确对物体进行识别，要求骨架具有如下性质：1)保留原物体的拓扑，2)骨架点的位置精确，要靠近物体的中心。3)骨架的连通性。4)获取骨架的半径值。5)骨架能表达物体在人类视觉中的重要部分。

现有的二值图像骨架化方法得到的骨架都受制于对噪声的敏感性，很小的边界噪声可能引起很明显的骨架分枝。因此骨架中的很多分枝都必须被修剪。现有的剪枝方法主要分为两类：一类是基于骨架点的重要性度量。赋与每个骨架点一个表示其重要性的度量值，当该值低于某一门限时，就将此骨架点删除，如对比文献1[Wai-Pak Choi，Kin-Man Lam，Wan-Chi SiuExtraction of the Euclidean skeleton based on a connectivity criterion.PatternRecognition，36：721-729，2003.]中根据连通性原则赋予骨架点重要性生成骨架的方法。另一类是基于在骨架提取前对边界进行平滑的方法，如文献2[D.Shaked and A.M.Bruckstein，“Pruning Medial Axes，”Computer Visionand Image Understanding，vol.69，no.2，pp.156-169，1998.]。以上的两类方法都存在以下缺点：1)无法保证形状非单连接物体拓扑的不变性。2)所有以上两类剪枝方法都将引起主要骨架分枝缩短，而短的应该被修剪的分枝则不能被完全修剪。3)只有局部重要性被考虑，图像的全局的信息被丢弃，使得在全局看起来是由边缘噪声形成的骨架枝干不能被删除。4)不具备比例变化的不变性。

虽然现有的剪枝方法存在很多的问题，但由于骨架固有的对噪声的敏感性，剪枝仍然是骨架提取中的不可或缺的一步。因此，能综合考虑全局消息，保持骨架拓扑不变且不使骨架分枝缩短的剪枝方法很有必要。

发明内容

本发明的目的在于提供一种基于离散曲线演化的骨架剪枝方法，该方法可以完全去除边界噪声而不会替换骨架点，可以得到稳定物体骨架。

本发明提供的基于离散曲线演化的骨架剪枝方法，其步骤包括：

(1)对二值图像I作欧氏距离变换，求出图像的距离变换；

(2)找出骨架S(I)中任一骨架点s_j的生成点Tan(s_j)，其中骨架S(I)为二值图像I提取的骨架；

(3)按照下述过程对图像二值图像I进行处理，得到图像的轮廓分割H(I)：

(3.1)连接二值图像I边缘上的所有象素，得到m个多边形Pⁱ，1≤i≤m，记Pⁱ的顶点个数为n_i，顶点的集合为{v₁ⁱ，v₂ⁱ...，v_niⁱ}，边的集合为{c₁ⁱ，c₂ⁱ...，c_niⁱ}；

(3.2)以多边形P_i的顶点v_kⁱ，1≤k≤n_i，以及以顶点v_kⁱ为公共端点的两边c_k-1ⁱ和c_kⁱ组成一个拱，用下式计算每个拱的重要性度量值K(c_k-1ⁱ，c_kⁱ)：