[发明专利]一种基于稳定区域的轮廓关键点配准与标识方法

摘要

本发明公开了一种基于稳定区域的轮廓关键点配准与标识方法，属于图像自动检测技术领域。本发明包括：采用基于直方图统计的最大稳定区域检测方法，检测机体图像的外轮廓；采用外轮廓几何不变显著点检测和区域配准方法，检测和配准各肢体区域；采用区域轮廓的配准参数估计和位置映射的方法，实现人体内部各组织和器官区域的定位和分割。本发明结合基于直方图统计的自适应阈值分割、最大稳定区域检测、区域轮廓配准和组织位置映射方法，大大地降低了最稳定区域检测的复杂度，同时增强了图像匹配算法的稳定性，提高了机体组织定位的精确性。在不同图像集上的测试结果表明，本发明的机体组织配准与定位比现有方法更加稳定、精确。

主权项

一种基于稳定区域的轮廓关键点配准与标识方法，其特征在于，包括：步骤1统计人体红外图像各灰度出现的数目，得到所述人体红外图像的灰度统计直方图，并采用低通滤波方法滤除所述灰度统计直方图的毛刺；步骤2采用直方图极大值点的分割门限区间估计方法，计算所述灰度统计直方图最稳定区域检测的最优搜索区间，包括以下子步骤：(2‑1)对于任意灰度x，如果满足h(x‑1)＜h(x)≤h(x+1)，则将x作为一个直方图极大值点y，从大到小搜索所有灰度x，得到直方图极大值点序列y_i，i＝0，1，...，N_y‑1，N_y为极大值点的数目，然后，计算h(x)的全局最大值h_max和对应的灰度y_max，并取T₁＝h_max/3；(2‑2)对于直方图极大值点序列y_i，从左到右进行搜索，如果h(y_i‑1)＜h(y_i)≤h(y_i+1)，且h(y_i)大于T₁，则y_i作为直方图左最大值点y_L；(2‑3)对于直方图极大值点序列y_i，从右到左进行搜索，如果h(y_i‑1)＜h(y_i)≤h(y_i+1)，且h(y_i)大于T₁，则y_i作为直方图右最大值点y_R；(2‑4)对于直方图极大值点序列y_i，计算y_L与y_R之间的h(y_i)的最小值，其对应的灰度作为最小谷点g_opt；(2‑5)对于y_L与g_opt间的直方图极大值点序列y_i，计算h(y_i)的最大值，其对应的灰度记为y_Lopt；(2‑6)对于g_opt与y_R间的直方图极大值点序列y_i，计算h(y_i)的最大值，其对应的灰度记为y_Ropt，以[t_Lopt，y_Ropt]作为所述最优搜索区间；步骤3采用基于门限区间内最优门限的最稳定区域检测方法，提取最大稳定区域的外轮廓；步骤4以所述最大稳定区域的外轮廓为初始轮廓，采用基于梯度强度和几何光滑性约束的外轮廓修正方法，自适应地修正所述初始轮廓；步骤5采用外轮廓几何不变显著点检测和区域配准方法，检测和配准人体各肢体区域；步骤6采用区域轮廓的配准参数估计和位置映射的方法，实现人体内部各组织和器官区域的定位和分割。