用于自动形状分类的方法技术

一种对２Ｄ形状进行分类的方法，包括：为所研究的形状创建具有相似形状组和相异形状组的训练数据集；从相似形状组中计算平均形状；将数据库中的所有形状对准平均形状；基于它们的距离将形状分类至两个分组中。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术通常涉及形状分析技术，尤其涉及对图像中的2D形状进行 自动分类的技术。技术背景不考虑其位置、尺寸和方向的二维(2D)形状的分类在计算机视 觉和图案识别中是重要的问题。其应用正扩展至许多领域，诸如血细 胞、癌和染色体的分类、工业检查、目标识别、医学图像识别、景象 分析以及生物系统建模。通常，形状分类是通过分析形状的边界信息 来比较和识别形状的过程。这对人类看起来是一项容易的任务，但是 对于计算机却相当困难，尤其在对象被缩放、旋转和/或平移以后。因 此，为了一般对象分类、识别或者检索目的的形状研究是当前研究的 活跃领域。近来的一些文献已经着手处理该论题，并且已经应用了各种图像 处理方法。这些方法基本上可以划分为两种技术。第 一种技术需要投影形状实例至公共空间，然后在投影空间上执 行分类。例如傅立叶描述符(E. Persoon等人的"使用傅立叶描述 符的形状鉴另'J ( shape discrimination using Fourier descriptors) " IEEE Trans. Syst. Man. Cybern， vol.7, pl70-179, 1977 )、不变矩(F. Zakaria等人的"矩不变量的快速计算算法 (Fast algorithm for computation of moment invariants")， 图 像识另"Pattern Recogni t ion) ， vol. 20， p 639-643, 1987 )、自回归 模型(S.R.Dubois等人的"二维形状分类的自回归模型方法(An autoregressive model approach to two-dimensional shape classification) "， IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 8 p55-66， 1986 )和主成分分冲斤(美国专利号No. 2002/0164060 Al ，标题为"表征医学图像形状的方法"(METHOD FOR CHARACTERISING SHAPES IN MEDICAL IMAGES ))。这些基于投影的方法的优点在于它们与平移和旋转无关。然而， 缺点在于，由于投影变换不是——对应的因此它们显示出固有的信息丟失。即，投影空间中的一个点可以对应于视觉外观非常不同的几种 形状。因此，基于这种技术的形状分类可能会得出错误结果。第二种技术包括沿着形状边界定位一组界标点；规定相应界标 之间的距离度量；和执行基于距离的分组。这样，形状分类就简化为 已经提出许多解决方案的一般的分组问题。例如M. Duta等人提出 了一种使用平均对准误差(MAE)作为距离来度量形状差别并基于MAE 对形状进行分类的方法(M. Duta等人"2D形状模型的自动构建 (Automatic Construction of 2D Shape Models) "， IEEE Trans, on Pattern Analysis and Machine Intelligence, vol 23， no. 5， p433-446， 2001 )。标题为"用于自动形状表征的方法和设备"(METHOD AND APPARATUS FOR AUTOMATIC SHAPE CHARACTERIZATION)的美国 专利No. 6， 611， 630和标题为"用于图象配准的方法和设备"(METHOD AND APPARATUS FOR IMAGE REGISTRATION )的美国专利No. 6, 009, 212 提出了一种基于与特征人群的平均形状的最佳匹配概率对形状进行分 类的方法。该技术的局限性在于，在实践中由于个体中的噪声和偏差 使得形状界标之间的成对对应难以实现。由于现有技术的缺陷和局限性，因此需要一种方法以找到筒单、 有效且高度准确的形状分类方法。
技术实现思路
本专利技术的目标是提供一种用于2D形状分类的自动方法。 根据本专利技术的一个方面，通过提供一种用于分类2D形状的自动方 法来实现该目标。所述方法包括若干步骤。为所研究的形状创建训练 数据集。所述训练数据集包括两个数据组相似形状组和相异形状组。 产生训练数据集中每个形状的多边形近似，从相似形状组中计算平均 形状。将数据库中形状对准所述平均形状，并输出它们的相似性距离。 得到相似性距离的分布，并基于它们的距离将所述形状分类成两个分 组(cluster )。本专利技术具有一些优势。例如，所述方法通过平均形状和与相似性 距离相关的阈值表征研究的形状。所述形状分类是有效的，这是因为 其计算复杂度被控制在0(mnlog(mn))以下，其中m是平均形状上的界 标数目，n是形状实例上的界标数目。由于在形状对准期间不需要界标 的成对对应，并且甚至界标的数目可以不同，因此该形状分类是鲁棒的。另外，由于可以在形状对准之后提供形状实例相对于平均形状的 旋转角度，因此方向校正变得更加容易。 附图说明从下面附图所示的本专利技术实施例的更加具体的描述中，本专利技术的 前述和其它目标、特征和优点将显而易见。附图的元素并不一定相对 于彼此成比例。图1A和1B示出了形状分类的自动方法的流程图；图2A至2U示出了从池(cistern )形状训练数据库中提取的示例形状的示意图。图2A至2K描述了属于相似形状组的形状，图2L至2U描述了来自相异形状组的形状；图3A和图3B示出了形状边界的多边形近似的图解视图。图3A描述了通过等角采样产生的多边形近似。图3B示出了通过填入许多等距离点产生的多边形近似；图4A至4F示出了通过使用转折函数(turning function)的形状对准的图解视图。图4A和图4B示出了模板形状的转折函数。图4C和4D示出了形状实例的转折函数。图4E和4F示出了这两个形状的对准结果以及它们的最佳匹配转折函数。图5示出了从相似形状组中计算平均形状的方法的流程图；图6A至6C示出了从被对准的转折函数的每段中得到平均值点的方法。图6A是示出了被对准的转折函数的图解视图。图6B示出了从一段中计算平均值点的实例。图6C是从相似形状组中计算得到的平均形状。图7示出了研究形状的训练数据集的距离分布并示出了查找阈值 的方法的图解视图。具体实施方式下面是参考附图对本专利技术的优选实施例的详细描述，其中在几幅 附图的每幅中，相同附图标记标识了相同的结构元件。本专利技术公开了一种对图像中的二维(2D)形状进行自动分类的方 法。在图1A中概括地示出了根据本专利技术的方法的流程图。如图1A所 示，所述方法包括四个步骤。首先，创建研究形状的训练数据集/数据 库，所述训练数据集/数据库包括两组数据相似形状组和相异形状组 (步骤10)。然后，计算表征相似形状组(步骤11)的平均形状。接着，将数据库中的形状对准平均形状，并计算出它们的相似性距离(步骤12)。最后，得到相似性距离的分布并用于将形状分成两个分组相 似和相异(步骤13)。在图1B流程图中示出的另一实施例中，在计算平均形状(步骤 11)之前可以应用附加的步骤。所述附加步骤(步骤14)是产生训练 数据集中每个形状的多边形近似，该步骤将在下面更加具体地描本文档来自技高网...

【技术保护点】
一种对二维形状进行分类的方法，包括步骤：创建由相似形状组和相异形状组构成的训练形状数据集；根据相似形状组计算平均形状；将训练形状数据集中的每个形状对准平均形状；产生训练形状数据集中每个形状的相似性距离；和根据它们的相似性距离将训练形状数据集中的每个形状分类至相似形状组或者相异形状组。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：H罗，
申请(专利权)人：卡尔斯特里姆保健公司，
类型：发明
国别省市：US[美国]