[发明专利]一种基于格式塔规则的图像目标轮廓提取方法

摘要

一种基于格式塔规则的图像目标轮廓提取方法，它有五大步骤：一、根据由Canny图像边缘检测算法，生成图像的边缘数据，得到目标轮廓的候选边缘集，用与图像像素点相同的二维矩阵储存；二、依据二维矩阵元素对应的像素点取3邻域的平均值，减去整个二维矩阵的元素平均值，得到边缘的特征串进行存储；三、根据边缘特征串投影到图像平面的强度，通过一个阈值选择10-15%的候选边缘作为轮廓提取数据集，作为轮廓提取的特征量用二维矩阵储存，此二维矩阵储存量最大可为约减前的1/100；四、对候选的边缘进行编组，形成目标轮廓：五、根据四的方法提取图像中的闭合轮廓的概率，选择其中闭合环概率大的环作为目标轮廓。

主权项

一种基于格式塔规则的图像目标轮廓提取方法，其特征在于：该方法具体步骤如下：步骤一：根据由Canny图像边缘检测算法，生成图像的边缘，得到目标轮廓的候选边缘集合，用二维稀疏矩阵A储存边缘信息，矩阵的二维信息分别表示图像的长宽，边缘点用灰度值表示，非边缘点用0表示；步骤二：计算二维稀疏矩阵元素的3非零邻域均值，减去整个二稀疏维矩阵的所有非零元素均值，如果大于0，则记为1，否则记为0，将二维稀疏矩阵转换为二维稀疏的关系矩阵，最终得到的二维稀疏关系矩阵B；矩阵B通常对应图像的压缩率达95%以上，例如10M的图像，其二维稀疏关系矩阵B存储量小于500K；步骤三：根据二维稀疏关系矩阵B的边缘投影到图像平面的强度，通过阈值选择10‑15%的候选边缘作为轮廓提取数据集，轮廓边缘候选集二维稀疏关系矩阵C储存，此二维稀疏关系矩阵储存量达原始图像大小的1/100，例如10M的图像，二维稀疏关系矩阵C储存量小于100K；步骤四：对二维稀疏关系矩阵C重复以下步骤进行编组，形成目标轮廓：a)依据1D编组规则，生成初步轮廓i.选取轮廓候选边缘的边缘作为种子，默认情况下随即选择，通过模版设置：投影到图像平面的强度最大边缘，边缘特征串最长的边缘或两者组合方式；ii.生成轮廓图：依据格式塔规则的接近律、相似律及连续律进行初步目标轮廓；[1]在候选边缘集中按照接近律选择小于平均接近度的边缘，建立以种子边缘为树根节点，以候选边缘为分支的伪树结构，构造轮廓图；与正常的图状结构相比，当边缘大于1个分支、小于3个分支返回到种子边缘情况下，轮廓图生长终止，得到轮廓图A；[2]修剪轮廓图：按照连续律和相似律进行修剪轮廓图，得到轮廓图B；iii.求取封闭轮廓：[1]首先将封闭轮廓求取转换为有向图中计算概率最大的环，构造稀疏带权重有向图G，边缘用图顶点表示，弧表示编组线索，连接权重W是不同边缘属于同一轮廓概率；[2]依据编组规则将候选边缘集划分为若干编组，图中的环L对应封闭轮廓，线 索为闭合轮廓经过该边缘概率；组成轮廓的边缘序列是简单的边缘概率乘；[3]边缘序列可能性最大问题表达为每个环路连接概率性对数绝对值最小化问题，得到有向图的环路概率PL，不是所有的边缘都位于一个环路上；可能一个边缘处于多个环路上，每一个环路至少对应于图像一个边缘形成最好的封闭轮廓；b)依据2×1D编组规则，生成优化轮廓，按照下列步骤对应边缘进行优化；i.在闭合环路上，计算边缘序列的两条边缘的平行律和对称性构建优化关系矩阵，关系矩阵第i行是边缘ei与其它边缘对称性概率； S = s 1,1 s 1,2 . . . s 1 , n . . . s i , 1 s i , 2 . . . s i , n . . . s n , 1 s n , 2 . . . s n , n ii.在有向图上环边缘序列替换满足条件的边缘的概率ei∈{e}∪ej∈{e}∪s(eiej)≠0 log p ( e i → e x ) = log p ( e j → e y ) = s e i e j iii.同时减少环路上弧的数量对概率的影响情况下，得到闭合轮廓的闭合程度；Cm＝max(log p(e1→...→en))1/n其中，上述各公式中的符号说明如下：S为关系矩阵，si,j为边缘i和边缘j的对称律概率，Cm为闭合轮廓的概率；c)返回步骤a）；步骤五：根据步骤四的方法提取图像中的闭合轮廓的概率，选择其中闭合环概率大的环作为目标轮廓。