基于Snake模型的轮廓提取方法技术

本发明专利技术涉及基于Snake模型的轮廓提取方法，包括：A.获取目标彩色图像，并将所述的彩色图像通过灰度变换转换为灰度图像；B.对灰度图像高斯滤波处理，将灰度图像的像素值作为权重，与高斯核进行加权平均计算，输出计算结果；C.通过Graph Cuts算法将高斯滤波后的灰度图像映射为带权无向图，为每条边构造权值，然后构造能量函数表示无向图的一个割集的权值之和，求解所述能量函数的最小值，获得灰度图像的分割结果；D.将所述分割结果设置为Snake模型的初始轮廓，通过迭代处理提取准确的目标轮廓。本发明专利技术解决了Snake模型对初始轮廓敏感以及易受噪声干扰的问题，有效降低了Snake模型设置初始轮廓的复杂程度，大幅度提高了轮廓提取的效率。

Contour extraction method based on Snake model

The invention relates to a method for extracting the contour based on Snake model, including: A. acquisition of the target color image and the color image is converted to grayscale image by gray gray image B. transform; Gauss filter, the image pixel values as weights were weighted with Gauss kernel average calculation, the calculation results of C. output; mapping the gray image after filtering Gauss into a weighted undirected graph by Graph Cuts algorithm, for each edge structure weights, and then construct the energy function graph of a cut set of weights and the minimum value for the energy function, obtain the gray image segmentation results of the D.; the segmentation results are set as the initial contour of Snake model, extract the target contour accurately through iterative processing. The method solves the problem that the Snake model is sensitive to the initial contour and is easy to be disturbed by noise, effectively reduces the complexity of setting the initial contour of the Snake model, and greatly improves the efficiency of the contour extraction.

【技术实现步骤摘要】
基于Snake模型的轮廓提取方法
本专利技术涉及计算机图像处理的方法，具体讲是基于Snake模型的轮廓提取方法。
技术介绍
轮廓是体现物体特征的基本元素之一，有效的轮廓提取对于图像分割、图像分析以及图像理解具有重要意义。传统的轮廓提取是一种自底向上的过程，轮廓的提取完全依赖于从底层图像本身获取的信息，容易受到错误信息影响，造成误差并传播到上层应用。1987年Kass等人提出的主动轮廓模型(Snake模型)融合了轮廓曲线特性、底层图像数据以及上层知识，解决了其间不可调和的矛盾，引起了学者们的广泛研究并产生了诸多应用。Snake模型的基本思想是使用连续曲线来模拟目标轮廓边缘，并定义一个以曲线为自变量的能量函数，以最小化能量函数为目的，通过曲线能量与图像能量作用，控制曲线变形并靠近目标轮廓。由于考虑了曲线本身特性，Snake模型提取的目标轮廓整体连续且平滑。但是Snake模型对轮廓线初始位置敏感，需要人工手动设置目标初始轮廓，造成了极大的不便。其次Snake模型容易受到目标附近较强噪声干扰。近几年有学者提出了基于图论的GraphCuts图像分割算法，其将图像像素看作第一类节点，相邻节点之间的边看作第一类边。在图的基础上设置两个终端节点S和T，每个第一类节点和这两个终端节点之间的边看作第二类边。该算法根据图像特征为图中每条边赋非负的权值，于是图像分割问题就转换成了图论中求解图的最小割问题。GraphCuts算法由于仅考虑底层图像特点，分割结果难以形成平滑的轮廓曲线，同时容易受到局部噪声影响。
技术实现思路
本专利技术提供了一种基于Snake模型的轮廓提取方法，以解决Snake模型对初始轮廓敏感以及易受噪声干扰的问题，对图像提取出连续平滑的准确轮廓。本专利技术的基于Snake模型的轮廓提取方法，包括：A.获取目标彩色图像，并将所述的彩色图像通过灰度变换转换为灰度图像；B.对灰度图像高斯滤波处理，将灰度图像的像素值作为权重，与高斯核进行加权平均计算，输出计算结果；C.通过GraphCuts算法将高斯滤波后的灰度图像映射为带权无向图，为每条边构造权值，然后构造能量函数表示无向图的一个割集的权值之和，求解所述能量函数的最小值，获得灰度图像的分割结果；D.将所述分割结果设置为Snake模型的初始轮廓，通过迭代处理提取准确的目标轮廓。本专利技术通过高斯滤波进行平滑图像，降低了部分噪声对轮廓提取的干扰，提高了算法的鲁棒性。使用基于图论的GraphCuts算法进行图像分割，获得了提取目标附近的近似轮廓，并将其作为Snake模型的初始输入，这样能够有效降低Snake模型设置初始轮廓的复杂程度，提高轮廓提取效率。本专利技术能够在医学图像分割、SAR图像道路提取以及人体局部轮廓提取等领域有广泛应用。进一步的，步骤B中所述对灰度图像的高斯滤波处理包括移动高斯核H的中心元素，使其位于待处理像素的正上方。具体的，所述高斯核H的各元素计算方法为：其中i和j分别为所计算元素的横坐标和纵坐标值，k为高斯核H的半径长度，σ为高斯滤波后灰度图像被平滑的程度的标准差。进一步的，步骤D中设置Snake模型的初始轮廓后，判断曲线迭代是否结束，如果曲线迭代没有结束，进行轮廓插值，清理相同的点并使轮廓曲线成为一条连续的曲线，然后进行曲线迭代位移，根据曲线能量、图像能量和形状约束能量作用，计算曲线每一轮迭代的偏移值并让曲线按值位移；如果曲线迭代结束，显示提取的目标轮廓。为Snake模型添加形状约束能量，能够更好的避免提取目标附近较强噪声的影响，有效提高轮廓的提取精度。进一步的，步骤C中，对所述带权无向图中的所有边分配权值后，对割L的能量函数的计算方法为：E(L)＝λR(L)+B(L)，其中R(L)为区域项，是所有像素分配标签的惩罚值之和，B(L)为边界项，是所有相邻像素之间不连续的惩罚值之和，λ为调节区域项与边界项的重要因子，表示区域项与边界项之间的比重。本专利技术的基于Snake模型的轮廓提取方法，解决了Snake模型对初始轮廓敏感以及易受噪声干扰的问题，有效降低了Snake模型设置初始轮廓的复杂程度，大幅度提高了轮廓提取的效率。以下结合实施例的具体实施方式，对本专利技术的上述内容再作进一步的详细说明。但不应将此理解为本专利技术上述主题的范围仅限于以下的实例。在不脱离本专利技术上述技术思想情况下，根据本领域普通技术知识和惯用手段做出的各种替换或变更，均应包括在本专利技术的范围内。附图说明图1为本专利技术基于Snake模型的轮廓提取方法的流程图。图2为通过原始Snake模型对人体右手腕图像的上部初始轮廓的提取效果图。图3为通过实施例1的方法对人体右手腕图像的上部初始轮廓的提取效果图。具体实施方式如图1所示本专利技术基于Snake模型的轮廓提取方法，包括：A.通过摄像设备拍摄并获取目标彩色图像，并将所述的彩色图像通过灰度变换转换为8位的灰度图像。B.对灰度图像高斯滤波处理，将灰度图像的像素值作为权重，与高斯核进行加权平均计算，输出计算结果。由于通常对目标图像的采集会受到光强度与背景噪声的影响，因此统一将彩色图像转换为8位灰度图像并使用高斯滤波进行预处理，以减少强光与背景噪声的影响，突出目标信息。通过高斯滤波对图像进行平滑处理能有效地消除或抑制噪声，达到图像平滑的效果。通常计算中的平均模板对四周像素的使用是一致的，使得处理后的图像非常模糊，然而高斯滤波打破了这样的局限，能够根据与中心元素的距离分配以不同的权重，从而确保中心的像素点看起来更像是接近与它更近的像素点，保证了图像的连续性。高斯滤波中引入了数学中的高斯函数，其对高斯函数进行离散化，以离散点上的高斯函数值为权值，构造高斯核H。一个(2k+1)×(2k+1)维高斯核H的各个元素计算方法为：其中，i和j分别为所计算元素的横坐标值和纵坐标值，k为高斯核的半径长度，σ为标准差，其决定了高斯滤波后图像被平滑的程度。高斯滤波的步骤是先移动高斯核H的中心元素至待处理像素正上方，将图像像素值与高斯核H的权值进行加权平均运算，将运算值作为待处理像素的输出结果。高斯滤波通过去除背景中的部分噪声点，减少了对轮廓提取的影响。C.通过GraphCuts算法将高斯滤波后的灰度图像映射为带权无向图，为每条边构造权值，然后构造能量函数表示无向图的一个割集的权值之和，求解所述能量函数的最小值，获得灰度图像的分割结果。GraphCuts是一种十分有效的能量优化算法，普遍应用于计算机视觉领域中的前背景分割等。该方法把图像分割问题与图的最小割问题相关联，首先将图像映射为带权无向图G＝＜V,E＞，V和E分别是节点的集合和边的集合。与普通的无向图不同，该方法将图像像素看作第一类节点，像素的领域看作连接节点的第一类边，叫做n-links；并设置两个终端节点S和T，第一类节点和终端节点之间的边看作第二类边，叫做t-links。上述无向图中的一个割会导致残留S和T图的分开，如果一个割的边的所有权值之和最小，那么这个割就是图像分割的结果，因此需要对图的边集进行赋值。图像分割可以看成像素标记问题，例如可以将目标(S-node)的标签设为1，背景(T-node)的标签设为0。假设整幅图像的割为L＝{l1,l2,…,lp}，其中li为1(目标)或者0(背景)，那么可用像素p分配标签lp的惩罚Rp(l本文档来自技高网...

【技术保护点】
基于Snake模型的轮廓提取方法，其特征包括：A.获取目标彩色图像，并将所述的彩色图像通过灰度变换转换为灰度图像；B.对灰度图像高斯滤波处理，将灰度图像的像素值作为权重，与高斯核进行加权平均计算，输出计算结果；C.通过Graph Cuts算法将高斯滤波后的灰度图像映射为带权无向图，为每条边构造权值，然后构造能量函数表示无向图的一个割集的权值之和，求解所述能量函数的最小值，获得灰度图像的分割结果；D.将所述分割结果设置为Snake模型的初始轮廓，通过迭代处理提取准确的目标轮廓。

【技术特征摘要】
1.基于Snake模型的轮廓提取方法，其特征包括：A.获取目标彩色图像，并将所述的彩色图像通过灰度变换转换为灰度图像；B.对灰度图像高斯滤波处理，将灰度图像的像素值作为权重，与高斯核进行加权平均计算，输出计算结果；C.通过GraphCuts算法将高斯滤波后的灰度图像映射为带权无向图，为每条边构造权值，然后构造能量函数表示无向图的一个割集的权值之和，求解所述能量函数的最小值，获得灰度图像的分割结果；D.将所述分割结果设置为Snake模型的初始轮廓，通过迭代处理提取准确的目标轮廓。2.如权利要求1所述的基于Snake模型的轮廓提取方法，其特征为：步骤B中所述对灰度图像的高斯滤波处理包括移动高斯核H的中心元素，使其位于待处理像素的正上方。3.如权利要求2所述的基于Snake模型的轮廓提取方法，其特征为：所述高斯核H的各元素计算方法为：其中i和j分别为所计算元素的横坐标和纵坐...

【专利技术属性】
技术研发人员：田玲，罗光春，陈爱国，彭承宗，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51