基于非对称测地线的交互式图像分割方法技术

一种基于非对称测地线的交互式图像分割方法，通过在基于测地线投票算法中引入最远点采样方法以尽可能在整个图像域中来确定端点，并且在此模型中采用非对称二次型度量函数确定所得端点至交互点的回溯测地线路径，更好的考虑了人工交互信息以及图像边缘的各向异性和非对称特性，从而获得更为准确的图像分割结果。果。果。

【技术实现步骤摘要】
基于非对称测地线的交互式图像分割方法


[0001]本专利技术涉及计算机计算机视觉
，具体涉及一种新的基于非对称测地线的最小路径模型与交互式图像分割方法。

技术介绍

[0002]最小测地线路径模型(参考文献：Cohen,L.D.and Kimmel,R.(1997).Global minimum for active contour models:A minimal path approach.Int.J.Comput.Vis.,24(1):57
–
78.)由Cohen和Kimmel首次引入，目的是寻找原始活动轮廓模型中使用的泛函简化版本的全局最小值。本质上，这种简化的活动轮廓能量泛函可以看作是加权曲线长度，可以通过程函偏微分方程求解。基于最小测地线路径模型，在2013年提出了测地线投票算法(参考文献：Rouchdy,Y.,&Cohen,L.D.(2013).Geodesic voting for the automatic extraction of tree structures.Methods and applications.Computer Vision and Image Understanding,117(10),1453
–
1467.)来分割细树形结构，该方法通过一系列密集分布于目标区域内部而稀疏的分布于外部的抽样点，计算大量的测地线，利用这些测地线对图像定义域的每一个点进行投票，从而估算每一个点位于目标区域内部的概率。但在上述测地线投票方法中，测地线的计算方法未考虑图像梯度特征的方向性特征。

技术实现思路

[0003]本专利技术为了克服以上技术的不足，提供了一种可以获得更为准确的图像分割结果的基于非对称测地线的交互式图像分割方法。
[0004]本专利技术克服其技术问题所采用的技术方案是：
[0005]一种基于非对称测地线的交互式图像分割方法，包括如下步骤：
[0006]a)输入彩色图像I，用I＝(I1,I2,I3):表示矢量值彩色图像，I1为彩色图像I的R通道数值，I2为彩色图像I的G通道数值，I3为彩色图像I的B通道数值，为三维实数空间，Ω为图像的定义域，在彩色图像I中由使用者手动在目标物体轮廓上标注若干交互点x
j
，x
j
∈S，S为点集，j＝1,2,...,N
S
，N
S
为点集S中交互点的个数，S∈Ω；
[0007]b)采用最远点采样算法得到目标端点集R
N
∈Ω；
[0008]c)根据彩色图像I，利用图像梯度得到边缘外观特性函数g(n
k
)和图形梯度张量场构造非对称二次度量函数
[0009]d)计算得到测地线路径γ
i,j
；
[0010]e)计算得到测地线路径γ
i,j
经过的图像像素点的投票值ψ；
[0011]f)根据图像像素点的投票值ψ，完成图像分割。
[0012]进一步的，步骤b)包括如下步骤：
[0013]b
‑
1)定义彩色图像I的图像域中像素点为n
k
，k＝1,2,...,T，T为彩色图像I中像素
点的总个数，通过公式计算得到图像域中像素点n
k
至点集S中交互点x
j
的距离d(n
k
,x
j
)，式中c为连接像素点n
k
与交互点x
j
两点的曲线上的点，||c'||为c的导数的范数，为各向同性度量函数，exp(.)为以e为底的指数函数，β为标量函数，β＞0，为点c处的梯度向量，点c处的梯度向量，为点c的R通道的梯度向量，为点c的G通道的梯度向量，为点c的B通道的梯度向量；
[0014]b
‑
2)通过公式计算得到彩色图像I中所有像素点至点集S的距离d(n
k
,S)，选取与点集S最大距离值所对应的像素点作为最远点，构造新的点集
[0015]b
‑
3)通过公式计算得到彩色图像I中所有像素点至点集S1的距离d(n
k
,S1)，选取与点集S1最大距离值所对应的像素点作为最远点，构造新的点集
[0016]b
‑
4)重复执行步骤b
‑
3)进行迭代计算，直至得到点集其中为与点集S
i
‑1的最远像素点，当i为N时，得到目标端点集
[0017]进一步的，步骤c)包括如下步骤：
[0018]c
‑
1)利用标准差为σ的高斯核函数G
σ
来计算图像上每一点n
k
∈Ω的雅克比矩阵J(n
k
)，)，为梯度算子，J(n
k
)为2
×
3矩阵，通过公式计算得到图像边缘函数||
·
||为范数，通过公式计算得到边缘外观特性函数g(n
k
)，n
m
为彩色图像I的图像域中的像素点，为当像素点n
m
属于图像域
区别于像素点n
k
的其他像素点时图像边缘函数在图像的定义域Ω的上确界，通过公式计算得到图像梯度张量场式中I
d
为2
×
2的单位矩阵，T为转置；
[0019]c
‑
2)对图像梯度张量场进行特征向量和特征值的分解，得到最小特征值所对应的特征向量所对应的特征向量为二维实数向量，通过公式计算得到张量场式中为向量的张量积，θ(n
k
)
⊥
为特征向量θ(n
k
)的垂直向量，α为参数，且α＜0，为实数，通过公式计算得到矢量场函数ω(n
k
)，式中为矢量场，M为一个逆时针旋转矩阵，其旋转角度为λ为标量值参数，
[0020]c
‑
3)通过公式计算得到非对称二次度量函数式中，u为任意向量，<ω(n
k
),u>
+
＝max{0,<ω(x),u>}。
[0021]进一步的，步骤d)中利用非对称二次度量函数依次采用快速行进算法及反向传播梯度下降法计算得到至交互点x
j
的测地线路径γ
i,j
。
[0022]进一步的，步骤e)包括如下步骤：
[0023]e
‑
1)通过公式计算得到目标端点集R
N
中的所有端点至交互点x
j
的投票值φ
j
(n
k
)，式中δ
p
(
·
)为函数，如果测地线路径γ
i,j
经过像素点n
k
，则返回1，如果测地线路径本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非对称测地线的交互式图像分割方法，其特征在于，包括如下步骤：a)输入彩色图像I，用I＝(I1,I2,I3):表示矢量值彩色图像，I1为彩色图像I的R通道数值，I2为彩色图像I的G通道数值，I3为彩色图像I的B通道数值，为三维实数空间，Ω为图像的定义域，在彩色图像I中由使用者手动在目标物体轮廓上标注若干交互点x
j
，x
j
∈S，S为点集，j＝1,2,...,N
S
，N
S
为点集S中交互点的个数，S∈Ω；b)采用最远点采样算法得到目标端点集R
N
∈Ω；c)根据彩色图像I，利用图像梯度得到边缘外观特性函数g(n
k
)和图形梯度张量场构造非对称二次度量函数d)计算得到测地线路径γ
i,j
；e)计算得到测地线路径γ
i,j
经过的图像像素点的投票值ψ；f)根据图像像素点的投票值ψ，完成图像分割。2.根据权利要求1所述的基于非对称测地线的交互式图像分割方法，其特征在于，步骤b)包括如下步骤：b
‑
1)定义彩色图像I的图像域中像素点为n
k
，k＝1,2,...,T，T为彩色图像I中像素点的总个数，通过公式计算得到图像域中像素点n
k
至点集S中交互点x
j
的距离d(n
k
,x
j
)，式中c为连接像素点n
k
与交互点x
j
两点的曲线上的点，||c'||为c的导数的范数，为各向同性度量函数，exp(.)为以e为底的指数函数，β为标量函数，β＞0，为点c处的梯度向量，为点c处的梯度向量，为点c的R通道的梯度向量，为点c的G通道的梯度向量，为点c的B通道的梯度向量；b
‑
2)通过公式计算得到彩色图像I中所有像素点至点集S的距离d(n
k
,S)，选取与点集S最大距离值所对应的像素点作为最远点，构造新的点集b
‑
3)通过公式计算得到彩色图像I中所有像素点至点集S1的距离d(n
k
,S1)，选取与点集S1最大距离值所对应的像素点作为最远点，构造新的点集b
‑
4)重复执行步骤b
‑
3)进行迭代计算，直至得到点集其中为与点集S
i
‑1的最远像素点，当i为N时，得到目标端点集
3.根据权利要求2所述的基于非对称测地线的交互式图像分割方法，其特征在于，步骤c)包括如下步骤：c
‑
1)利用标准差为σ的高斯核函数G
σ
来计算图像上每一点n
k
∈Ω的雅克比矩阵J(n
k
)，)，为梯度算子，J(n
k
)为2
×
3矩阵，通过公式计算得到图像边缘函数||
·
||为范数，通过公式计算得到边缘外观特性函数g(n
k
)，n
m
为彩色图像I的图像域中的像素点，为当像素点n
m
属于图像域区别于像素点n
k
的其他像素点时图像边缘函数在图像的定义域Ω的上确界，通过公式计算得到图像梯度张量场式中I

【专利技术属性】
技术研发人员：陈达，韩本亭，舒明雷，刘丽，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：