[发明专利]基于灰度级信息的目标边界精确周长估算

说明书

技术领域

本发明涉及模式识别、图像处理、特征提取技术领域，特别是基于灰度级信息的目标边界精确周长估算方法。

背景技术

在图像分析领域，2维图像中目标物体的周长是一个重要的目标形态特征，在现实生活中具有十分广泛的应用。表面上这是一个很简单的工作，但是目前却很难从一幅数字图像中获得目标物体的精确周长。一方面，噪声对周长计算结果产生了不同层次的干扰；另一方面，目标物体边界的模糊性、复杂性给计算带来了一定的困难，也对最后的计算结果产生很大的影响。因而，近年来不少学者都围绕这个问题进行了研究，即如何实现目标物体的精确周长计算。

当前许多文章提出的方法都是基于二值图像，即在计算周长之前，图像中的目标像素值被定义为1，背景像素值被定义为0，这种思想可以简化目标周长的计算，但与此同时也会丢失大量的图像信息，特别是边界上的信息。显然，目标周长是由目标边界所确定，边界信息的丢失，将直接导致最后周长计算不精确。相比二值图像，数字化的灰度图像包含更多的信息，因而能够保证最终的周长计算结果更符合实际图像中目标的边界周长。

Sladoje和Lindblad提出了一种基于灰度级信息的局部目标边界周长计算方法(High Precision Boundary Length Estimation by Utilizing Gray-Level Information，本文简称该方法为HPGL)。HPGL方法使用覆盖分割的方法得到保留灰度级信息的覆盖值灰度图像，然后计算局部模板配置中的周长，并给这些局部的周长计算结果一个优化参数，累积这些局部周长最终得到整个目标的边界周长。

然而，HPGL方法对于低分辨率或者边界比较模糊的图像，计算结果很不理想，其主要原因在于HPGL对于目标边界厚度超过l的图像，出现重复计算边界的问题。但是，在保留了边界的灰度级信息后，目标边界的模糊性是不可避免的，这一矛盾直接限制了HPGL方法的精确性和适用性。

边界跟踪可以对目标边界上复杂模糊的灰度级信息进行提取，克服保留灰度级信息的模糊边界对周长计算过程的影响，从而取得精确的边界周长计算结果。

发明内容

针对上述现有技术中存在的缺陷或不足，本发明的目的在于，提出一种基于灰度级信息的目标边界精确周长估算方法，从而达到边界周长精确计算的目的。

本发明的技术方案是，基于灰度级信息的目标边界精确周长估算方法，其特征是：包括如下步骤：

1)引入覆盖数字化的概念，处理合成的目标图像，获得保留灰度级信息覆盖数字化图像；

2)对于得到的覆盖数字化图像，定义图像中目标对象的内外边界，并通过边界跟踪得到一像素宽的内边界或外边界的目标图像；

3)计算2)中得到的一像素宽图像边界上局部配置区域中的边界斜率，并利用弧长计算公式获得该配置区域的周长；

4)通过遍历边界，累加步骤3)得到的局部配置区域边界周长，分别得到整个目标对象的内外边界周长；

5)根据步骤4)得到的内外边界周长，采用一定的策略最终可获得目标对象的精确周长。

所述步骤1)，包括如下步骤：

a)假定一个连续目标投影到二维数字化网格平面上，每一个网格对应一个像素p_ij，定义目标S的像素覆盖数字化为：