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：