[发明专利]一种基于先验形状和CV模型的目标分割方法

摘要

一种基于先验形状以及CV模型的目标分割方法，首先选取先验形状构建符号距离函数，再根据仿射变换参数向量对先验形状符号距离函数进行仿射变换，仿射变换参数在对水平集函数进行迭代时会发生改变并最终趋于稳定，最后根据水平集迭代公式演化活动轮廓曲线，同时根据各仿射参数迭代公式求出下一次的各仿射变换参数。本发明在保持先验形状模型具有旋转、缩放和平移不变性的基础上，增加了X、Y方向拉伸以及剪切不变约束能量项，通过对先验形状的自适应变换的拓展，本发明可以实现对复杂背景下姿态变换较大的空间目标进行较好的分割。

主权项

1.一种基于先验形状和CV模型的目标分割方法，其特征在于包括下列步骤：①利用先验形状样本构建符号距离函数：从序列图中选取标准姿态的目标图像作为构建先验形状样本，然后对选中的先验形状样本进行阈值分割，阈值的大小根据样本背景的复杂度进行手动调整，其次采用数学形态算子对阈值分割后的图像进行背景抑制并用Sobel算子提取目标的边缘二值轮廓线，最后利用所述的的二值轮廓线构建先验形状符号距离函数ψ与ψ₀；②设定并根据初始化的仿射变换参数，对先验形状样本的符号距离函数ψ与ψ₀进行仿射变换：仿射变换参数为(S_x，S_y，θ，shx，shy，T_x，T_y)，其中S_x及S_y分别为X、Y方向上的两个缩放系数，θ为角度旋转参数，shx，shy分别为X、Y方向上的修剪参数，T_x，T_y分别为X、Y方向上的平移参数；ψ(x,y):=ψ0(hXT(x,y))---(1)]]>hXT(x,y)T=RscRθRsh(x~,y~)T+T---(2)]]>其中：：Rsc=Sx00Sy,]]>Rθ=cosθsinθ-sinθcosθ,]]>Rsh=1shxshy1,]]>T=TxTy,]]>x~y~=(x-xgSx,y-ygSy)T]]>_XT＝(S_x，S_y，θ，shx，shy，T_x，T_y)；③利用下列公式(3)～公式(11)对图像进行水平集全局迭代运算，当活动轮廓线稳定时，即获得待分割的目标边界：数值化计算采用正则化函数Dirac函数代替H(z)和δ(z)，使下降流方程(11)能够作用在所有的水平集上，从而能够对图像区域的所有目标进行自动检测，并使能量函数达到全局极小值：c1=∫Ωf(x,y)H(φ)dxdy∫ΩH(φ)dxdy]]>c2=∫Ωf(x,y)(1-H(φ))dxdy∫Ω(1-H(φ))dxdy---(3)]]>∂Sx∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·ψx·(x~·(cosθ+shy·sinθ)+y~·(cosθ·shx+sinθ))dxdy---(4)]]>∂Sy∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·ψy·(x~·(-sinθ+cosθ·shy)+y~·(-sinθ·shx+cosθ))dxdy---(5)]]>∂θ∂t=-∫Ω(H(ψ)-H(φ))·2δ(ψ)·(ψx·(x~·(Sx·sinθ-Sx·shy·cosθ)+y~·(Sx·shx·sinθ-Sx·cosθ))---(6)]]>+ψy·(x~·(Sy·cosθ+Sy·shy·sinθ)+y~·(Sy·shx·cosθ+Sy·sinθ)))dxdy]]>∂shx∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·(ψx·y~·Sx·cosθ-ψy·y~·Sy·sinθ))dxdy---(7)]]>∂shy∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·(ψx·x~·Sx·sinθ+ψy·x~·Sy·cosθ))dxdy---(8)]]>∂Tx∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·ψxdxdy---(9)]]>∂Ty∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·ψydxdy---(10)]]>∂φ∂t=δ(φ)·((f-c1)2-(f-c2)2+2λ(H(ψ)-H(φ)))---(11)]]>其中ψ_x，ψ_y分别为水平集函数ψ在x和y方向上的梯度。