一种具有准确轮廓信息的对象提取方法技术

本发明专利技术涉及一种具有准确轮廓信息的对象提取方法。主要包括如下步骤：步骤1，颜色空间转换；步骤2，分量向量化；步骤3，主成分分析；步骤4，矩阵重构及归一化；步骤5，形态学闭运算；步骤6，反运算；步骤7，二维单尺度小波变换；步骤8，自动阈值计算及合并；步骤9，二值化处理及边缘提取；步骤10，后处理。能够准确提取对象的轮廓信息，可以应用于医学图像的病变信息提取、工业生产线的形状识别等多种目标识别领域。

【技术实现步骤摘要】
一种具有准确轮廓信息的对象提取方法
本专利技术涉及一种数字图像处理领域，具体说是一种具有准确轮廓信息的对象提取方法。
技术介绍
对象识别在军事和民用领域都得到了广泛的应用,如人脸识别、车辆检测和监控目标提取等具有强鲁棒性的对象识别算法一直是计算机视觉研究的热点问题｡对象轮廓是图像最基本的特征，包含对象的重要信息，图像分析等应用中起着非常重要的作用。传统的方法采用边缘算子或分割算法提取对象的轮廓信息，但存在对噪声敏感、自动化程度低及准确性不高等缺点。
技术实现思路
本专利技术提供了一种具有准确轮廓信息的对象提取方法，结合颜色空间变换、小波变换和数学形态学等技术，能有效地去除噪声干扰，可以提取对象及其准确轮廓，无需人工干预，自动化程度高。为实现本专利技术的目标所采用的技术方案是：方法包括以下步骤：步骤1：输入维度为H×W×3的RGB图像Iin，H为图像Iin的高度，W为图像Iin的宽度；步骤2：将图像Iin从RGB颜色空间转换为Lab颜色空间；步骤3：对Lab颜色空间的L分量进行向量化，转换为维度为H×W行，3列的二维矩阵Mx；步骤4：对二维矩阵Mx进行主成分分析，得到维度为H×W行，3列的主成分矩阵PMx；步骤5：按图像Iin的输入维度H×W×3重构主成分矩阵PMx，得到H×W×3的重构矩阵PMx_Resp；步骤6：对重构矩阵PMx_Resp进行归一化，用公式Nor_PMx_Resp(x)=(PMx_Resp(x)-PMx_Respmin)/(PMx_Respmax-PMx_Respmin)计算归一化矩阵Nor_PMx_Resp，其中，Nor_PMx_Resp(x)为归一化矩阵Nor_PMx_Resp中的像素点x的取值，PMx_Resp(x)为重构矩阵PMx_Resp中的像素点x的取值，PMx_Respmax为重构矩阵PMx_Resp中的所有像素点的最大取值，PMx_Respmin为重构矩阵PMx_Resp中的所有像素点的最小取值；步骤7：为了填充细小的空洞，并平滑对象边界，对归一化矩阵Nor_PMx_Resp进行形态学闭运算，得到Cim；步骤8：对Cim进行取反运算，得到Re_Cim；步骤9：利用基于haar小波函数的二维单尺度小波变换对Re_Cim进行小波分解，得到分量C1，分量C2，分量C3和分量C4；步骤10：分别对步骤9的分量C1，分量C2，分量C3和分量C4进行自动阈值计算，得到对应的阈值T1，阈值T2，阈值T3和阈值T4；步骤11：对阈值T1，阈值T2，阈值T3和阈值T4进行合并，得到阈值T；步骤12：对分量C1，分量C2，分量C3和分量C4进行单尺度二维离散小波重构，得到INim；步骤13：利用阈值T对步骤12的INim进行二值化处理，得到BW_Inim；步骤14：利用迭代Canny算法对BW_INim进行边缘提取，得到Contour；步骤15：对Contour进行后处理，提取对象Obj，具体处理方法为：①删除与Contour相连的前景对象，②搜索Contour中的连通像素点，提取闭合轮廓集合close_Contour，③标注并计算close_Contour中每一个闭合轮廓的面积并删除小面积的闭合轮廓，④填充闭合轮廓的空洞；步骤16：输出对象。所述的步骤7中的形态学闭运算采用2×2的正方形结构元素。所述的步骤10中的自动阈值计算方法为最大类间方差法。所述的步骤11中的阈值合并方法为T=(T1+T2+T3+T4)/2。本专利技术的有益效果是：能够准确提取对象的轮廓信息，可以应用于医学图像的病变信息提取、工业生产线的形状识别等多种目标识别领域。附图说明图1是本专利技术的总体处理流程图。具体实施方式下面结合附图详细描述本专利技术的具体实施方式。在步骤101，输入维度为H×W×3的RGB图像Iin，H为图像Iin的高度，W为图像Iin的宽度；在步骤102，将图像Iin从RGB颜色空间转换为Lab颜色空间；在步骤103，对Lab颜色空间的L分量进行向量化，转换为维度为H×W行，3列的二维矩阵Mx；在步骤104，对二维矩阵Mx进行主成分分析，得到维度为H×W行，3列的主成分矩阵PMx；在步骤105，按图像Iin的输入维度H×W×3重构主成分矩阵PMx，得到H×W×3的重构矩阵PMx_Resp；在步骤106，对重构矩阵PMx_Resp进行归一化，用公式Nor_PMx_Resp(x)=(PMx_Resp(x)-PMx_Respmin)/(PMx_Respmax-PMx_Respmin)计算归一化矩阵Nor_PMx_Resp，其中，Nor_PMx_Resp(x)为归一化矩阵Nor_PMx_Resp中的像素点x的取值，PMx_Resp(x)为重构矩阵PMx_Resp中的像素点x的取值，PMx_Respmax为重构矩阵PMx_Resp中的所有像素点的最大取值，PMx_Respmin为重构矩阵PMx_Resp中的所有像素点的最小取值；在步骤107，为了填充细小的空洞，并平滑对象边界，采用2×2的正方形结构元素对归一化矩阵Nor_PMx_Resp进行形态学闭运算，得到Cim；在步骤108，对Cim进行取反运算，得到Re_Cim；在步骤109，利用基于haar小波函数的二维单尺度小波变换对Re_Cim进行小波分解，得到分量C1，分量C2，分量C3和分量C4；在步骤110，采用最大类间方差法分别对步骤109的分量C1，分量C2，分量C3和分量C4进行自动阈值计算，得到阈值T1，阈值T2，阈值T3和阈值T4；在步骤111，对阈值T1，阈值T2，阈值T3和阈值T4进行合并，得到阈值T，具体方法为：T=(T1+T2+T3+T4)/2；在步骤112，对分量C1，分量C2，分量C3和分量C4进行单尺度二维离散小波重构，得到INim；在步骤113，利用阈值T对步骤112的INim进行二值化处理，得到BW_Inim；在步骤114，利用迭代Canny算法对BW_INim进行边缘提取，得到Contour；在步骤115，对Contour进行后处理，提取对象Obj，具体处理方法为：①删除与Contour相连的前景对象，②搜索Contour中的连通像素点，提取闭合轮廓集合close_Contour，③标注并计算close_Contour中每一个闭合轮廓的面积并删除小面积的闭合轮廓，④填充闭合轮廓的空洞；在步骤116，输出对象。本文档来自技高网...

【技术保护点】
1.一种具有准确轮廓信息的对象提取方法，其特征在于包括以下步骤：步骤1：输入维度为H×W×3的RGB图像Iin，H为图像Iin的高度，W为图像Iin的宽度；步骤2：将图像Iin从RGB颜色空间转换为Lab颜色空间；步骤3：对Lab颜色空间的L分量进行向量化，转换为维度为H×W行，3列的二维矩阵Mx；步骤4：对二维矩阵Mx进行主成分分析，得到维度为H×W行，3列的主成分矩阵PMx；步骤5：按图像Iin的输入维度H×W×3重构主成分矩阵PMx，得到H×W×3的重构矩阵PMx_Resp；步骤6：对重构矩阵PMx_Resp进行归一化，用公式Nor_PMx_Resp(x)=(PMx_Resp(x)‑ PMx_Respmin)/(PMx_Respmax‑PMx_Respmin)计算归一化矩阵Nor_PMx_Resp，其中，Nor_PMx_Resp(x)为归一化矩阵Nor_PMx_Resp中的像素点x的取值，PMx_Resp(x)为重构矩阵PMx_Resp中的像素点x的取值，PMx_Respmax为重构矩阵PMx_Resp中的所有像素点的最大取值，PMx_ Respmin为重构矩阵PMx_Resp中的所有像素点的最小取值；步骤7：为了填充细小的空洞，并平滑对象边界，对归一化矩阵Nor_PMx_Resp进行形态学闭运算，得到Cim；步骤8：对Cim进行取反运算，得到Re_Cim；步骤9：利用基于haar小波函数的二维单尺度小波变换对Re_Cim进行小波分解，得到分量C1，分量C2，分量C3和分量C4；步骤10：分别对步骤9的分量C1，分量C2，分量C3和分量C4进行自动阈值计算，得到阈值T1，阈值T2，阈值T3和阈值T4；步骤11：对阈值T1，阈值T2，阈值T3和阈值T4进行合并，得到阈值T；步骤12：对分量C1，分量C2，分量C3和分量C4进行单尺度二维离散小波重构，得到INim；步骤13：利用阈值T对步骤12的INim进行二值化处理，得到BW_Inim；步骤14：利用迭代Canny算法对BW_INim进行边缘提取，得到Contour；步骤15：对Contour进行后处理，提取对象Obj，具体处理方法为：①删除与Contour相连的前景对象，②搜索Contour中的连通像素点，提取闭合轮廓集合close_Contour，③标注并计算close_Contour中每一个闭合轮廓的面积并删除小面积的闭合轮廓，④填充闭合轮廓的空洞；步骤16：输出对象。...

【技术特征摘要】
1.一种具有准确轮廓信息的对象提取方法，其特征在于包括以下步骤：步骤1：输入维度为H×W×3的RGB图像Iin，H为图像Iin的高度，W为图像Iin的宽度；步骤2：将图像Iin从RGB颜色空间转换为Lab颜色空间；步骤3：对Lab颜色空间的L分量进行向量化，转换为维度为H×W行，3列的二维矩阵Mx；步骤4：对二维矩阵Mx进行主成分分析，得到维度为H×W行，3列的主成分矩阵PMx；步骤5：按图像Iin的输入维度H×W×3重构主成分矩阵PMx，得到H×W×3的重构矩阵PMx_Resp；步骤6：对重构矩阵PMx_Resp进行归一化，用公式Nor_PMx_Resp(x)=(PMx_Resp(x)-PMx_Respmin)/(PMx_Respmax-PMx_Respmin)计算归一化矩阵Nor_PMx_Resp，其中，Nor_PMx_Resp(x)为归一化矩阵Nor_PMx_Resp中的像素点x的取值，PMx_Resp(x)为重构矩阵PMx_Resp中的像素点x的取值，PMx_Respmax为重构矩阵PMx_Resp中的所有像素点的最大取值，PMx_Respmin为重构矩阵PMx_Resp中的所有像素点的最小取值；步骤7：为了填充细小的空洞，并平滑对象边界，对归一化矩阵Nor_PMx_Resp进行形态学闭运算，得到Cim；步骤8：对Cim进行取反运算，得到Re_Cim；步骤9：利用基于haar小波函数的二维...

【专利技术属性】
技术研发人员：施文灶，程姗，何代毅，林志斌，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建,35