基于水平集和分水岭相结合的图像轮廓检测方法技术

本发明专利技术公开了一种基于水平集和分水岭相结合的图像轮廓检测方法，主要解决了现有方法产生图像过分割结果和不能获得准确的目标轮廓的问题。其具体实现步骤为：（１）对输入图像用水平集方法检测目标轮廓，得到初始的目标与背景二值分割结果；（２）将检测到的目标轮廓作为分水岭的内部控制标记；（３）将内部控制标记依次进行距离变换和分水岭变换，并将得到的分水线结果作为分水岭的外部控制标记；（４）利用内部控制标记和外部控制标记，对输入图像的梯度图像进行修正；（５）将修正后的梯度图像进行分水岭变换，检测出图像中的目标轮廓。本发明专利技术方法避免了图像过分割，且具有对边界定位比较准确的优点，可用于前景与背景的分割、目标外部轮廓的检测。

【技术实现步骤摘要】

本专利技术属于图像处理
，特别涉及图像分割，具体地说是一种图像轮廓 检测方法，该方法可用于图像分割和轮廓检测
中，比如目标与背景的分割、 目标外部轮廓的检测。
技术介绍
图像分割是图像理解与模式识别的基础，广泛应用于医学、军事、气象、气候等领域，是当前研究的热点与难点。图像分割和轮廓检测密切相关的，图像分割方法可分为传统图像分割方法和与特定理论相结合的图像分割方法。分水岭变换和水 平集方法都是与特定理论相结合而产生的图像分割方法。分水岭变换是一种基于区域的图像分割方法，它具有简单，快速，可得到连续 闭合分割边界的优点，而且对弱边界敏感。但是，分水岭变换极易导致过分割。所 以，为了得到满意的分割结果，需要对图像做一些必要的预处理或者是后处理。在 分水岭变换以前，对输入图像或梯度图像做预处理的目的是，降低噪声的影响，或 者减少局部不规则梯度带来的极小值的影响，比如Soille P等人使用强制最小技术 对梯度图像进行修改，以使局部最小区域仅出现在标记的位置，很好地抑制了图像 过分割现象的产生，参见Soille P, Morphological Image Analysis: Principles and Appllications. 2nd ed.， Springer Verlag， NY, 2003。而对图像的过分割结果做后处理的 目的也是减少过分割，也就是将不必要的细节部分去掉，保留重要的分割结果。这 些不必要的"细节"可以是边缘或者区域。比如HansenM和Higgins W等人通过 合并区域来达到降低过分割的目的，参见Bleau A禾n Leon L J， Watershed-Based Segmentation and Region Merging. Computer Vision and Image Understanding, vol. 77, no. 3， pp. 317-370。水平集方法是一种可用于图像分割的方法，该方法能自动灵活地处理零水平集 拓扑结构的变化，如曲线的分裂、合并，通过提取目标轮廓来完成图像分割。但是， 传统水平集方法需要周期性地对水平集函数进行重新初始化，计算复杂度较高。Li 等人提出一种无需重新初始化的变分水平集方法，克服了传统水平集方法需要周期 性地重新初始化的缺点,参见Li C, Xu C， Gui C, Fox M D, Level Set Evolution WithoutRe-initialization: A New Variational Formulation. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2005: 430-436。后来， Li等把窄带思想运用到上述方法中，极大地提高了活动轮廓的演化速度，参见LiC， Xu C， Konwar K M, Fox M D, Fast Distance Preserving Level Set Evolution for Medical Image Segmentation. Proceedings of the 9th Int，l Conference on Control, Automation, Robotics and Vision, 2006。尽管Li等人提出的方法克服了传统方法中需要重新初始 化的缺点，但是该方法不能准确定位图像边缘，导致目标检测不完全。
技术实现思路
本专利技术的目的在于克服上述己有技术的不足，提出了一种基于水平集和分水岭 相结合的图像轮廓检测方法， 一方面，它利用了水平集演化方法获得目标的大致外 部轮廓，减小噪声和目标内部结构的影响；另一方面，它利用分水岭变换能准确定 位边缘的特点，以避免对图像的过分割，提高目标检测效果。为实现上述目的，本专利技术的技术方案包括如下步骤(1) 对输入图像用水平集方法检测目标轮廓，得到初始的目标与背景二值分割 结果；(2) 将检测到的目标轮廓作为分水岭的内部控制标记；(3) 将内部控制标记依次进行距离变换和分水岭变换，并将得到的分水线结果 作为分水岭的外部控制标记；(4) 利用内部控制标记和外部控制标记，对输入图像的梯度图像进行修正；(5) 将修正后的梯度图像进行分水岭变换，检测图像中的目标轮廓。 本专利技术由于将水平集方法作为预分割方法，能够获得有效的内部控制标记和外部控制标记；同时由于本专利技术利用内部控制标记和外部控制标记对输入图像的梯度 图像进行修正，减小了噪声和目标内部结构的影响，能较好地解决图像的过分割问 题。附图说明图1是本专利技术的流程图2是本专利技术使用的一幅云朵图像；图3是本专利技术使用的一幅五角星图像；图4是本专利技术使用的一幅被高斯白噪声污染的人工图像；图5是用本专利技术方法与现有水平集方法和分水岭方法对图2分割的仿真结果对 比图；图6是用本专利技术方法与现有水平集方法和分水岭方法对图3分割的仿真结果对 比图7是用本专利技术方法与现有分水岭方法对图4分割的仿真结果对比图。 具体实施例方式参照图l，本专利技术的具体实施步骤如下步骤l.对输入图像用水平集方法检测目标轮廓，得到初始的目标与背景二值分 割结果；1.1) 在输入图像/中选定任意区域i 作为初始目标区域，初始目标区域以外的 区域/-及为初始背景区域，得到初始水平集函数A:"、H，(《力" 戎o，力叫 ,L c, e/犯其中，c为正常数，水平集函数AO，力-0对应为初始目标区域与初始背景区域的边界，该边界即初始目标轮廓；1.2) 设定初始水平集函数迭代次数/的初始迭代次数/。-l和最大迭代次数iV，将初始水平集函数在如下偏微分方程控制下进行迭代，以更新水平集函数-:其中，等式右边第一项为距离惩罚能量，第二项为曲线长度能量，第三项为目标面 积能量，/是输入图像，g是输入图像对应的梯度图像，-是水平集函数，t是步长，a代表拉普拉斯算子，V代表梯度算子，div代表散度算子，5W)是Dirac函数，// 为距离惩罚能量权系数，A为曲线长度能量权系数，v为目标面积能量权系数，1.3) 如果水平集函数的迭代次数z、iV，则将迭代次数/加l，再返回步骤(1,2);否则，终止水平集函数迭代，此时水平集函数-的零水平集为待检测的目标轮廓。步骤2.将检测到的目标轮廓作为分水岭变换的内部控制标记。 分水岭变换的基本思想是把图像看作测地学上的拓扑地貌，图像中每个像素点 的灰度值表示该像素点的海拔高度，每个区域都有它的局部极小值，每个局部极小 值及其影响区域称为集水盆地，而集水盆地的边界则形成分水线。分水岭变换可以 用模拟侵入过程来说明，其具体步骤是计算输入图像/的梯度图像g;对梯度图 像g进行修正得到g';计算修正后梯度图像g'的所有局部极小值，并将不同的局部极小值进行标记；在局部极小值打孔，水从小孔匀速溢出，对集水盆地进行淹没； 当且仅当不同集水盆地的水将要汇合时，将汇合处标记为分水线。上述分水岭变换直接用于梯度图像g时，噪声和梯度的局部不规则性会导致图 像过分割。为解决图像过分割问题，德国学者Soille P提出基于控制标记的分水岭 方法，该方法利用内部控制标记和本文档来自技高网...

【技术保护点】
一种基于水平集和分水岭相结合的图像轮廓检测方法，包括如下步骤：　（１）对输入图像用水平集方法检测目标轮廓，得到初始的目标与背景二值分割结果；　（２）将检测到的目标轮廓作为分水岭的内部控制标记；　（３）将内部控制标记依次进行 距离变换和分水岭变换，并将得到的分水线结果作为分水岭的外部控制标记；　（４）利用内部控制标记和外部控制标记，对输入图像的梯度图像进行修正；　（５）将修正后的梯度图像进行分水岭变换，检测图像中的目标轮廓。

【技术特征摘要】

【专利技术属性】
技术研发人员：王爽，焦李成，符升高，钟桦，侯彪，田小林，缑水平，朱虎明，苏开亮，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]