一种曲线状目标半自动提取方法及系统技术方案

本发明专利技术公开了一种曲线状目标半自动提取方法及系统。该方法包括：对待提取图像进行针对性预处理以初步增强目标区域，基于半自动交互的曲线状区域填充，曲线状区域量化。本发明专利技术使用双边滤波对图像进行预处理，之后与原图像进行差分，可以有效减少图像噪声并初步提取曲线状区域；接下来计算全图的方向曲率，能够显著增强曲线状区域并削弱其他非曲线状结构；再结合用户的点击点信息通过最短路径算法进行曲线状区域内单像素线提取，并以单像素线为种子点进行曲线状区域填充，并对曲线状区域进行量化。本方法能够有效地提取图像中的曲线状区域并得到合理的量化信息，具有很好的鲁棒性。

【技术实现步骤摘要】
一种曲线状目标半自动提取方法及系统
本专利技术属于数字图像处理领域，更具体地，涉及一种曲线状目标半自动提取方法及系统。
技术介绍
基于图像的曲线状目标提取与分割是图像处理领域的研究热点。如路面相片、隧道相片中的裂缝提取，遥感影像中的河流、道路提取。基于非监督的提取方法得到的结果往往具有较多的噪声，且提取的目标区域范围不够准确。基于机器学习的语义分割方法在处理这类问题时被证明具有较高的精度，但因为需要大量的样本数据而在前期需要进行大量的人工标注。因此如何基于少量监督信息得到比较准确的分割结果是亟需解决的技术问题。
技术实现思路
针对现有技术的缺陷或改进需求，本专利技术提出一种曲线状目标半自动提取方法及系统。该方法旨在于解决在非监督情况下提取结果不可靠的问题，并能够基于少量的监督信息得到较为可靠的区域分割结果，进一步可以作为样本数据用于基于机器学习的分割方法。为达到上述目的，本专利技术提供了以下技术方案：步骤1，对待提取图像进行预处理，并与原图进行差分；步骤2，基于曲率的图像增强；步骤3，本文档来自技高网...

【技术保护点】
1.一种曲线状目标半自动提取方法，其特征在于，包括如下步骤：/n步骤1，对待提取图像进行预处理，并与原图进行差分；/n步骤2，基于曲率的图像增强；/n步骤3，结合用户的点击点信息通过最短路径算法进行曲线状区域内单像素线路径提取；/n步骤4，对步骤3中得到的路径进行检查，剔除路径中的非曲线状区域点，并以属于曲线状区域的路径点为种子点进行曲线状区域填充，对填充结果进行闭运算，得到曲线状目标区域；/n步骤5，曲线状目标区域的量化。/n

【技术特征摘要】
1.一种曲线状目标半自动提取方法，其特征在于，包括如下步骤：
步骤1，对待提取图像进行预处理，并与原图进行差分；
步骤2，基于曲率的图像增强；
步骤3，结合用户的点击点信息通过最短路径算法进行曲线状区域内单像素线路径提取；
步骤4，对步骤3中得到的路径进行检查，剔除路径中的非曲线状区域点，并以属于曲线状区域的路径点为种子点进行曲线状区域填充，对填充结果进行闭运算，得到曲线状目标区域；
步骤5，曲线状目标区域的量化。


2.如权利要求1所述的一种曲线状目标半自动提取方法，其特征在于：步骤1的具体实现方式如下；
步骤1.1，使用双边滤波对原图像进行预处理，去掉图像中的噪声，并能够很好地保留曲线状目标的边缘；
步骤1.2，设原图像为I，滤波后的图像为Ib，计算I的灰度积分图，根据灰度积分图，计算I的像素点(x,y)对应的以(x,y)为中心的大小为W*W的窗口范围内的像素的灰度均值，然后Ib减去对应位置的灰度均值得到差分图像。


3.如权利要求1所述的一种曲线状目标半自动提取方法，其特征在于：步骤2的具体实现方式如下；
步骤2.1，利用的0°，60°，120°三种方向的高斯卷积核的二阶导来近似计算差分图像上所有像素点的最大曲率方向，在曲线状目标处的最大曲率方向即曲线的正交方向；
步骤2.2，根据像素点的最大曲率方向计算出相应的高斯卷积核的一阶导和二阶导，将两者作为此像素点处的一阶导和二阶导代入曲率计算公式得到该点的曲率，取使用不同大小的高斯卷积核时得到的曲率中的最大值作为最终结果，实现对图像的增强。


4.如权利要求1所述的一种曲线状目标半自动提取方法，其特征在于：步骤3的具体实现方式如下；
步骤3.1，根据步骤2的曲率增强结果图像的灰度值，计算出以用户点击点P为中心、边长为N的正方形区域内所有点到点P的最小灰度距离路径，将此正方形区域记为Back；
步骤3.2，以用户下一次点击点P2为终点，P2需要在矩形区域Back内，回溯出到点P的最小灰度距离路径，保存这段单像素路径，这条路径就是从点P到点P2的曲线状区域的位置。


5.如权利要求4所述的一种曲线状目标半自动提取方法，其特征在于：步骤4的具体实现方式如下；
步骤4.1，对步骤3中得到的路径进行检查，剔除路径中的非曲线状区域点，检查包含基于路径灰度的检查和基于种子填充的检查两个部分；
步骤4.2，基于路径灰度的检查：首先将路径灰度值作为一个一维向量，对此一维向量进行滤波，再求取其梯度，使用路径上梯度高于阈值T且高于相邻点的梯度的点对路径进行分段，再对路径段进行检查，将Back的灰度均值与阈值T的差作为新的阈值，若路径段的灰度均值大于新的阈值，则认为其在非曲线状区域内，并将其剔除，再根据路径段的灰度特征对相应的路径点进行检查，得到属于曲线状区域的路径点；
步骤4.3，对步骤4.2中得到的路径点进行基于种子填充的检查，对于每一个路径点，将路径点灰度值记为S，取S+T与B-T较小的一个作为新的阈值进行种子填充，这里的B为Back的灰度均值，，其结果区域中所有点与曲线状区域间的距离不应该大于d，出现大于d的点认为该路径点不属于曲线状区域；
步骤4.4，以步骤4.3中所有属于曲线状区域路径点为种子点，使用与步骤4.3相同方式确定阈值进行种子填充，对填充结果进行闭运算，得到曲线状目标区域。


6.如权利要求5所述的一种曲线状目标半自动提取方法，其特征在于：步骤5的具体实现方式如下；
步骤5.1，根据步骤4.4得到的曲线状目标区域进行骨架化，去除骨架化结果的毛刺，得到曲线状目标的中心线，根据中心线计算曲线状目标的长度、宽度、面积特征；
步骤5.2，根据中心线计算曲线状目标的长度只需要计算中心线的长度即可；
步骤5.3，根据中心线计算曲线状目标的宽度；计算曲线状区域的灰度均值C和Back的灰度均值B，将B-C乘上一个系数记为delta，对于中心线上一点P，在以P为中心的3*3的矩形范围内找到最小的灰度值记为G，曲线状区域内任一像素，其灰度值为g，则其对宽度的贡献为(B-g)/B，据此定义开始计算P对P处宽度的贡献，然后计...

【专利技术属性】
技术研发人员：黄玉春，杨东晨，李哲，王浩宇，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42