基于关键点检测与非对称测地线生长模型的图像分割方法技术

一种基于关键点检测与非对称测地线生长模型的图像分割方法，能够自动的检测一系列新的关键点，并计算相邻两个关键点之间的最优连接曲线，直到检测到闭合轮廓为止。同时在关键点检测过程中采用了各向异性的度量函数，通过提出的基于关键点检测的能够利用图像梯度的方向特征，在不同的分割场景下产生更准确更稳健的分割结果。与经典的关键点检测方法相比，引入了各向异性的度量函数能够克服曲线与运动方向无关的问题，得到更准确的分割结果。得到更准确的分割结果。得到更准确的分割结果。

【技术实现步骤摘要】
基于关键点检测与非对称测地线生长模型的图像分割方法


[0001]本专利技术涉及计算机视觉领域，具体涉及一种基于关键点检测与非对称测地线生长模型的图像分割方法。

技术介绍

[0002]自从最小测地线模型提出以来(参考文献：Cohen L D,Kimmel R.Global minimum for active contour models:A minimal path approach[J].International journal of computer vision,1997,24(1):57
‑
78.)，能量最小化技术与偏微分方程理论已经在计算机视觉领域中有广泛的应用，如图像分割与图像特征提取等。测地线模型利用连续曲线来表达图像的目标边界，其基本思想是定义一个加权曲线长度作为能量函数，符合要求的测地线可以通过最小化该能量函数获得。该能量函数的最小化可以通过求解相应的静态哈密顿
‑
雅可比
‑
贝尔曼方程的唯一粘滞解来求取。本质上讲，通过设计能够刻画目标特征的度量函数，相关的测地线能够准确的刻画图像中感兴趣的轮廓，从而实现图像分割的目的。图像特征是一种常用的刻画图像区域边界的方式。在基于测地线的图像分割应用中，利用图像梯度特征常构造测地线度量函数，可以令测地线能量函数在图像梯度较强的位置具有较小的值，因此，相应的测地线能够刻画图像边界。最小测地线模型能够获得能量函数的全局最小值，能够对抗高噪声与目标区域边界断裂所产生的负面影响。与此同时，全局最优特性也容易造成测地线短切问题，即计算的测地线没有经过目标区域的边界。在论文(Benmansour F,Cohen L D.Fast object segmentation by growing minimal paths from a single point on 2D or 3Dimages[J].Journal of Mathematical Imaging and Vision,2009,33(2):209
‑
221)中提出了一种测地线生长模型来解决这一缺点。该模型的初始化需要使用者提供位于目标区域边界上的一个点，并将该点作为模型初始关键点。同时，该算法能够自动的检测一系列新的关键点，并计算相邻两个关键点之间的最优连接曲线，直到检测到闭合轮廓为止。但是，该测地线生长模型采用各向同性的度量函数来计算测地线，即测地线的加权长度与测地线上任意一点的方向无关，这可能会容易造成错误的图像分割结果。同时，该模型的停止准则建立于各向同性的度量函数基础上，难以应用于基于各向异性度量函数的测地线生长模型中。

技术实现思路

[0003]本专利技术为了克服以上技术的不足，提供了一种基于关键点检测的能够利用图像梯度的方向特征，在不同的分割场景下产生更准确更稳健的分割结果的方法。本专利技术克服其技术问题所采用的技术方案是：
[0004]一种基于关键点检测与非对称测地线生长模型的图像分割方法，包括如下步骤：a)输入灰度图像I，用表示矢量值灰度图像I，其中为实数空间，Ω为图像的定义域，为图像定义域，为二维实数空间，给定位于灰度图像I的前景区域内部的点z∈Ω，给位于定位于灰度图像I的目标物体边界上的点p∈Ω；
[0005]b)计算得到测地线距离图U
p
；
[0006]c)计算得到一条新的简单开放曲线
[0007]d)构造非对称二次度量函数
[0008]e)计算简单开放曲线上任意两个相邻的关键点的最优曲线，将所有的互不相交的最优曲线组成闭合轮廓曲线，轮廓曲线通过给定的点p且包含点z，完成图像分割。
[0009]进一步的，步骤b)包括如下步骤：
[0010]b
‑
1)通过公式定义关于利普西斯连续曲线γ:[0,1]→
Ω的加权曲线长度式中为标量函数，为全体正实数集，标量函数定义为γ(t)为灰度图像I中的点p到灰度图像I中的点x的利普西斯连续曲线，t为[0,1]的一个参数，γ
′
(t)为利普西斯连续曲线γ的一阶导数，γ
′
(t)＝dγ/dt，||
·
||为模值，α为常数，1＜α≤5，exp(
·
)为以e为底的指数函数，为图像在点x的梯度向量，为图像在点y的梯度向量；
[0011]b
‑
2)测地线距离图U
p
定义为为全体非负实数集，inf为函数的下确界，Lip([0,1],Ω)为包含所有利普西斯连续曲线γ:[0,1]→
Ω的集合。进一步的，测地线距离图U
p
满足如下非线性偏微分方程：
[0012]式中为图像的定义域Ω与目标物体边界上的点p的差集，为梯度算子。
[0013]进一步的，步骤c)包括如下步骤：
[0014]c
‑
1)提取一个位于灰度图像I的边界的点b，argmin为使U
p
(x)达到最小值时变量的取值；
[0015]c
‑
2)计算测地线和测地线测地线为连接点p到点b，测地线为连接点z到点b；
[0016]c
‑
3)将测地线和测地线串联得到新的简单开放曲线新的简单开放
曲线定义为定义为式中为曲线连接算子；c
‑
4)当t＝0.5时，通过公式计算得到点p处的一个方向式中δ为正数，0＜δ＜0.01。
[0017]进一步的，步骤c
‑
2)包括如下步骤：
[0018]c
‑
2.1)通过公式计算得到由点b反向传播到点p的测地线式中s为[0,1]的一个参数，
[0019]测地线路径符合边界条件为的梯度下降方程，对测地线进行重参数化操作计算得到测地线
[0020]c
‑
2.2)通过公式计算得到由点p反向传播到点z的测地线地线
[0021]测地线路径符合边界条件为的梯度下降方程，对测地线进行重参数化操作计算得到测地线进一步的，步骤d)包括如下步骤：
[0022]d
‑
1)非对称二次度量函数定义为定义为式中为任意向量，ω(x)为一个向量场，λ和ε均为常数，为旋转角度为π/2的旋转矩阵，数量积表示标量的正分量，T为转置，g(x)为标量函数，β为常数。
[0023]优选的，步骤d
‑
1)中0＜λ≤10，ε＝1
‑4，0＜β≤5。
[0024]进一步的，步骤e)包括如下步骤：
[0025]e
‑
1)建立包含n个有序关键点的集合n≥3，其中p
i
为新的简单开放曲线上的第i个点，i＝{1,...,n}，p1为新的简单开放曲线的左侧端点，p
n
为新的简单开放曲线的右侧端点，点p∈[p1,p
n
]，数量积为的一阶导数；
[0026]e
‑
2)测地线距离图定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键点检测与非对称测地线生长模型的图像分割方法，其特征在于，包括如下步骤：a)输入灰度图像I，用表示矢量值灰度图像I，其中为实数空间，Ω为图像的定义域，为图像定义域，为二维实数空间，给定位于灰度图像I的前景区域内部的点z∈Ω，给位于定位于灰度图像I的目标物体边界上的点p∈Ω；b)计算得到测地线距离图U
p
；c)计算得到一条新的简单开放曲线d)构造非对称二次度量函数e)计算简单开放曲线上任意两个相邻的关键点的最优曲线，将所有的互不相交的最优曲线组成闭合轮廓曲线轮廓曲线通过给定的点p且包含点z，完成图像分割。2.根据权利要求1所述的基于关键点检测与非对称测地线生长模型的图像分割方法，其特征在于，步骤b)包括如下步骤：b
‑
1)通过公式定义关于利普西斯连续曲线γ:[0,1]
→
Ω的加权曲线长度式中为标量函数，为全体正实数集，标量函数定义为γ(t)为灰度图像I中的点p到灰度图像I中的点x的利普西斯连续曲线，t为[0,1]的一个参数，γ
′
(t)为利普西斯连续曲线γ的一阶导数，γ
′
(t)＝dγ/dt，||
·
||为模值，α为常数，1＜α≤5，exp(
·
)为以e为底的指数函数，为图像在点x的梯度向量，为图像在点y的梯度向量；b
‑
2)测地线距离图U
p
定义为U
p
(x)，(x)，为全体非负实数集，inf为函数的下确界，Lip([0,1],Ω)为包含所有利普西斯连续曲线γ:[0,1]
→
Ω的集合。3.根据权利要求2所述的基于关键点检测与非对称测地线生长模型的图像分割方法，其特征在于，测地线距离图U
p
满足如下非线性偏微分方程：式中为图像的定义域Ω与目标物体边界上的点p的差集，为梯度算子。4.根据权利要求2所述的基于关键点检测与非对称测地线生长模型的图像分割方法，其特征在于，步骤c)包括如下步骤：c
‑
1)提取一个位于灰度图像I的边界的点b，argmin为使U
p
(x)达到最小值时变量的取值；c
‑
2)计算测地线和测地线和测地线测地线为连接点p到点b，测地线为连接点z到点b；c
‑
3)将测地线和测地线串联得到新的简单开放曲线新的简单开放曲线定义为定义为式中为曲线连接算子；c
‑
4)当t＝0.5时，通过公式计算得到点p处的一个方向θ
p
，式中δ为正数，0＜δ＜0.01。5.根据权利要求4所述的基于关键点检测与非对称测地线生长模型的图像分割方法，其特征在于，步骤c
‑
2)包括如下步骤：c
‑
2.1)通过公式计算得到由点b反向传播到点p的测地线式中s为[0,1]的一个参数，测地线路径符合边界条件为的梯度下降方程，对测地线进行重参数化操作计算得到测地线c
‑
2.2)通过公式计算得到由点p反向传播到点z的测地线计算得到由点p反向传播到点z的测地线测地...

【专利技术属性】
技术研发人员：陈达，孙玉竹，舒明雷，刘丽，
申请(专利权)人：山东省人工智能研究院，
类型：发明
国别省市：