[发明专利]自由差分运算与可变形轮廓提取系统

说明书

技术领域

本发明涉及图像处理，特别是图像处理中实施边缘检测的方法和图像分割领域中实施可变形轮廓提取的方法。

背景技术

在各种图像应用中，只要涉及到对图像目标进行提取、测量等都离不开图像分割。图像分割是指利用图像信息中部分特征将图像中的目标区域或感兴趣区域提取出来。通常，把目标区域或感兴趣区域称为前景区域，其余部分称为背景区域。

图像分割是由图像处理进入到图像分析的关键步骤。就具体的图像分割算法而言，相关的研究文献已有上千种。这些研究主要采取了如下的两种模式：第一种，“自底向上”的处理过程，包括边缘检测、边缘细化和边缘连接等几个阶段。这是一个由底层知识推至高层信息的过程。这种严格的顺序的研究方法将图像分割的各个环节看成是相对独立的阶段，可以采用具有相对独立功能的模块进行计算，但同时将底层的误差传播到了高层，没有机会进行修正。同时，由于忽略了目标的高层信息，例如目标的连接性，致使轮廓提取困难。第二种，“自顶向下”的处理过程，即Snake模型(又称作活动轮廓模型、主动轮廓模型、可变形模型)，它是一种基于可变形模型的轮廓提取算法，它的显著优点是以目标轮廓的整体几何信息作为指导，在能量曲线的演化过程中，以内力约束它的形状，外力引导它的行为，以图像力将其拖向显著的图像特征。Snake模型以图像灰度变化的梯度信息作为边缘提取的依据，把边缘提取过程转化为一种自顶向下的最优轮廓逼近过程。这样，在寻找显著的图像特征时，高层机制可通过将图像特征推向一个适当的局部极值点而与模型进行交互。

当前，基于可变形模型的轮廓提取方法已经在图像分割、机器视觉等领域中得到了广泛的研究和应用，根据表述和实现方式的不同，主要分成两类：参数型Snake模型、几何型Snake模型。参数型Snake模型是拉格朗日类型的参数形式、显式地表述形变的曲线或曲面，计算结果具有紧致性。几何型Snake模型是欧拉类型的水平集形式、隐式地表述形变的曲线或曲面。就目前的研究现状而言，参数型Snake模型的主要优点是具有较好的拓扑保持性。不足之处是在计算时，需要恰当地选择弹性参数。同时，它不存在处理曲线的分裂和合并的自然准则，拓扑自动变换能力较弱，在应用中比较适于允许交互的情况。几何型Snake模型的主要优点是拓扑自适应性强，不足之处是不具有良好的拓扑保持性，计算速度慢，不适于实时应用。

无论采取上述哪一种模式进行图像分割，边缘检测都是必不可少的环节。目前，实施边缘检测的主要方法是借助于微分算子进行模板运算，一些经典的微分算子如梯度算子、Robert算子、Sobel算子、Prewitts算子、Laplace算子、Canny算子、LOG算子等。它们提供的局部极值检测方法可以给出像素灰度变化的绝对幅值和方向信息。

发明内容

本发明的一个目的是提供一种实施边缘检测的计算方法，它不仅能够计算关于像素灰度的绝对变化值，而且能够计算关于像素灰度的相对变化值，该方法能够从图像的全局和局部区域出发，体现像素灰度变化和分布的规律，具有计算的可行性、简便性、可扩展性。

本发明的另一个目的是提供一种可变形轮廓提取系统，一方面，该系统能够在底层信息与高层视觉之间建立一个完整的闭合的系统，而不是“自顶向下”、或“自底向上”的开环系统；另一方面，该系统将高层视觉知识尽可能的数量化，以充分发挥高层视觉知识对轮廓提取的指导作用。

为实现上述目的，本发明提供一种自由差分运算与可变形轮廓提取系统，它包括：图像存储部件1、实施高层视觉的指导作用的部件2、基本多边形形状变换部件3、直交线位置变换部件4、自由差分运算部件5、目标轮廓提取部件6、能量函数最小化的部件7。

实施高层视觉的指导作用的部件2通过提供的若干规则，将人对需要提取的目标轮廓的认识尽可能地进行数量化，以指导轮廓提取的执行，这些规则包括初始轮廓的位置、初始轮廓演化方式、像素灰度变化的计算方式、基本多边形各条边在演化过程中的连接规则等。关于像素灰度变化的计算方式采用了本发明提供的自由差分运算部件5来实现，它提供了一种能够计算像素灰度变化的相对值的方法，当然，它也能够计算像素灰度变化的绝对值。目标轮廓提取部件6采用动态规划的方法搜索目标轮廓的最优值。能量函数最小化的部件7提供了度量所提取的轮廓曲线特征逼近目标轮廓曲线特征的方法。