基于测地线活动区域模型的交互式图像分割修正方法技术

本发明专利技术公开了一种基于测地线活动区域模型的图像分割修正方法，主要解决现有方法概率建模不准确的问题。其实现步骤：（１）对待分割图像作Ｇａｂｏｒ滤波，并提取滤波图像各子带的滑窗能量特征；（２）根据标记点的滑窗能量特征建立高斯模型，并估算各个特征通道的自适应权值；（３）自适应加权各个特征通道概率，得到像素点的区域概率和边界概率；（４）根据基于标记点的修正算法对像素点的区域概率和边界概率进行修正；（５）应用测地线活动区域模型不断地演化初始曲线，得到感兴趣目标的边界，完成图像分割。本发明专利技术提高了像素点区域概率和边界概率建模的准确性，分割结果的区域一致性和边缘准确性均有明显改善，可用于各种类型的图像分割。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种分割图像的修正方法，可用于目标提取。
技术介绍
基于曲线演化的活动轮廓模型一直被广泛地应用于图像分割领域中。基于曲线演 化的活动轮廓模型是一条由相应能量函数控制的可形变参数曲线，以能量函数最小化为目 标控制曲线的形变，最终得到的能量最小化的曲线就是目标的轮廓。目前，曲线演化的活动 轮廓模型与水平集方法结合极大的拓宽了曲线活动轮廓模型的应用范围，成为一种广为关 注的曲线演化方法。该方法利用轮廓曲线的几何特性，建立轮廓曲线运动的能量泛函，最小 化这个能量泛函，使轮廓曲线逐渐逼近图像中目标的边界，并利用水平集函数将轮廓曲线 运动方程转换为求解偏微分方程问题。 N. Paragios等人在测地线活动轮廓模型中加入区域信息，提出了基于测地线活动 区域模型的监督式纹理分割方法。该方法综合了区域信息和边界信息，利用梯度下降法最 小化目标函数，并根据水平集方法求解偏微分方程。在边界信息和区域信息的作用下，曲线 受力平衡演化到方程的最优解处。B.Allier等人利用测地线活动区域模型对文本图像的印 刷字体进行分割。与经典的基于物理分割和逻辑标签的文档图像处理技术相比，该方法克 服了噪声、字体及文字方向改变等问题的影响，得到比较理想的分割结果。O.Diamanti等人 于2008年提出了基于测地线活动区域模型的手语视频人体动作的分割与跟踪。该模型由 边界作用力、色彩信息作用力和加速边界演化的"气球力"三部分组成，能够很好地应用于 探测和跟踪领域。何源等人提出了一种基于曲线演化的非监督式纹理分割算法。该方法通 过一组Gabor滤波器提取出纹理特征后，可以得到一个多维的特征图像；采用高斯混合模 型描述特征图像的空间分布，获得边界和区域信息。把特征图像转化到一维空间中，避免了 直接在多维空间中进行曲线演化。 但是，基于测地线活动轮廓模型的交互式图像分割存在如下缺点对于图像中的 弱势样本点如边缘、小区域，其计算的区域概率和边界概率不够准确，导致初始曲线最终会 演化到图像的目标内部，即图像的非边界处，造成图像分割不准的后果。
技术实现思路
本专利技术的目的在于在克服上述不足的基础上，提出了基于测地线活动区域模型的 交互式图像分割修正方法，通过修正由测地线活动轮廓模型计算的区域概率和边界概率， 得到更准确的概率数据，以提高图像中感兴趣区域分割结果的区域一致性和边缘准确性。 为实现上述目的，本专利技术的技术方案首先引入自适应特征加权模型，计算图像中 像素的区域和边界概率模型；然后对得到的区域和边界概率进行修正；最后应用测地线活 动区域模型对图像的初始曲线不断演化，完成图像分割。具体步骤包括如下 (1)对待分割图像作Gabor滤波，并提取滤波图像各子带的滑窗能量特征； (2)在待分割图像的目标区域和背景区域用不同颜色标记有代表性的像素点，根4据标记点滑窗能量特征估算高斯参数，建立高斯模型，根据目标标记点特征概率密度曲线与背景标记点特征概率密度曲线的交叠面积大小估算各个特征通道的自适应权值； (3)根据高斯模型计算未标记的待测试像素点的高斯概率，并自适应加权各个特征通道概率，得到像素点的区域概率和边界概率； (4)对像素点的区域概率和边界概率进行如下修正 4a)将像素点各子带边界方向出现次数最多的方向定义为该像素点的最终边界方 向，并沿垂直于该点边界方向的方向，在该像素点左右两侧区域分别选择4个相邻的像素 点； 4b)分别计算左右两侧4个像素点特征向量的平均向量与目标和背景标记点特征 向量的最小欧式距离； 4c)分别比较左侧区域像素点特征向量与目标标记点特征和背景标记点特征的距离大小，如果该特征向量与目标标记点的距离小于其与背景标记点的距离，则将左侧区域判为目标区域；否则，将其判为背景区域；然后，分别比较右侧区域像素点特征向量与目标标记点特征和背景标记点特征的距离大小，如果该特征向量与目标标记点的距离小于其与背景标记点的距离，则将右侧区域判为目标区域；否则，将其判为背景区域； 4d)根据左右两侧区域的类别属性对像素点的区域概率和边界概率进行修正，如果左侧属于目标区域，右侧属于背景区域，或者右侧属于目标区域，左侧属于背景区域，则将该像素点判为边界点，其边界概率为1 ;如果左右两侧均属于目标区域，则将该像素点判为目标中的像素点，其目标区域概率为l，背景区域概率为O，边界概率为0 ;如果左右两侧均属于背景区域，则将该像素点判为背景中的像素点，其背景区域概率为1，目标区域概率为0，边界概率为0; (5)将图像中每个像素点的目标区域概率信息、背景区域概率信息和边界概率信 息代入基于测地线活动区域模型的曲线演化能量函数表达式中，根据Euler-Lagrange方 程最小化该闭合曲线的能量函数，得到曲线演化的偏微分方程表达式，通过对该偏微分方 程的迭代，获得图像的最终分割结果。 本专利技术由于采用基于标记点的修正算法对图像中的弱势样本点如边缘、小区域的 区域概率和边界概率进行修正，克服了区域概率和边界概率建模不准的缺点，提高了闭合 曲线能量函数中概率的准确性，使测地线活动区域模型的初始曲线能够演化到正确的目标 边界上。 实验证明，本专利技术适用于各种类型的图像分割，通过对像素点的区域概率和边界 概率进行修正，得到了更精确的表征像素点属性的概率信息。附图说明 图1是本专利技术的流程框图； 图2是自然图像分割概率修正前的区域概率和边界概率图； 图3是本专利技术对于自然图像分割概率修正后的区域概率和边界概率图； 图4是自然图像分割概率修正前的演化过程及分割结果图； 图5是用本专利技术对于自然图像分割概率修正后的演化过程及分割结果。 具体实施方法5 参照附图l，本专利技术的实现步骤如下 步骤1 :特征提取 将待分割图像与尺度a = 1/2， 1/4， 1/8， 1/16，方向e =0， Ji/4， ji/2，3ji/4的 16个自相似滤波器巻积，得到16个尺度不同和方向不同的滤波图像子带，并在滤波图像各 子带上滑动1*1大小的窗口，提取能量特征；对于灰度和纹理图像，加上像素点的灰度信息 构成17维特征；对于自然图像，加上图像的RGB颜色分量构成19维特征。 步骤2 :交互式概率建模 对图像任意一维特征数据，采用均值函数和方差函数估算图像目标与背景标记点 对应特征的均值和方差；并将该均值与方差代入高斯函数表达式，得到该维特征的高斯模<formula>formula see original document page 6</formula> 其中，& (x)是像素点的第i维特征，P i和o i分别是第i维特征的均值和方差。 步骤3 :计算各像素点的区域概率和边界概率 3a)自适应权值计算 图像各个子带是待分割图像经过不同方向、不同尺度的滤波器滤波得到的，因此 各个特征通道对图像分割所起的作用不同，第i个通道的自适应权值Wi为<formula>formula see original document page 6</formula> 其中，Nc代表特征的维数；Pi是目标和背景标记点特征的概率密度曲线的交叠面 积，该面积表征像素点X的类别属性被判错的概率，其表达式为<本文档来自技高网...

【技术保护点】
一种基于测地线活动区域模型的交互式图像分割修正方法，包括如下步骤：（１）对待分割图像作Ｇａｂｏｒ滤波，并提取滤波图像各子带的滑窗能量特征；（２）在待分割图像的目标区域和背景区域用不同颜色标记有代表性的像素点，根据标记点滑窗能量特征估算高斯参数，建立高斯模型，根据目标标记点特征概率密度曲线与背景标记点特征概率密度曲线的交叠面积大小估算各个特征通道的自适应权值；（３）根据高斯模型计算未标记的待测试像素点的高斯概率，并自适应加权各个特征通道概率，得到像素点的区域概率和边界概率；（４）对像素点的区域概率和边界概率进行如下修正：４ａ）将像素点各子带边界方向出现次数最多的方向定义为该像素点的最终的边界方向，并沿垂直于该点边界方向的方向，在该像素点左右两侧区域分别选择４个相邻的像素点；４ｂ）分别计算左右两侧４个像素点特征向量的平均向量与目标和背景标记点特征向量的最小欧式距离；４ｃ）分别比较左侧区域像素点特征向量与目标标记点特征和背景标记点特征的距离大小，如果该特征向量与目标标记点的距离小于其与背景标记点的距离，则将左侧区域判为目标区域；否则，将其判为背景区域；然后，分别比较右侧区域像素点特征向量与目标标记点特征和背景标记点特征的距离大小，如果该特征向量与目标标记点的距离小于其与背景标记点的距离，则将右侧区域判为目标区域；否则，将其判为背景区域；４ｄ）根据左右两侧区域的类别属性对像素点的区域概率和边界概率进行修正，如果左侧属于目标区域，右侧属于背景区域，或者右侧属于目标区域，左侧属于背景区域，则将该像素点判为边界点，其边界概率为１；如果左右两侧均属于目标区域，则将该像素点判为目标中的像素点，其目标区域概率为１，背景区域概率为０，边界概率为０；如果左右两侧均属于背景区域，则将该像素点判为背景中的像素点，其背景区域概率为１，目标区域概率为０，边界概率为０；（５）将图像中每个像素点的目标区域概率信息、背景区域概率信息和边界概率信息代入基于测地线活动区域模型的曲线演化能量函数表达式中，根据Ｅｕｌｅｒ－Ｌａｇｒａｎｇｅ方程最小化该闭合曲线的能量函数，得到曲线演化的偏微分方程表达式，通过对该偏微分方程的迭代，获得图像的最终分割结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：钟桦，焦李成，翟书娟，王爽，侯彪，杨淑媛，张小华，王桂婷，
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]