• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 19
    • 下载费用:30 金币  

    重庆时时彩外围平台赔率: 基于灰度级信息的目标边界精确周长估算.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201510134076.8

    申请日:

    2015.03.24

    公开号:

    CN104700418A

    公开日:

    2015.06.10

    当前法律状态:

    撤回

    有效性:

    无权

    法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G06T 7/00申请公布日:20150610|||实质审查的生效IPC(主分类):G06T 7/00申请日:20150324|||公开
    IPC分类号: G06T7/00 主分类号: G06T7/00
    申请人: 江南大学
    发明人: 吴秦; 周琪; 梁久祯
    地址: 214122江苏省无锡市滨湖区蠡湖大道1800号江南大学
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201510134076.8

    授权公告号:

    ||||||

    法律状态公告日:

    2018.03.02|||2015.08.05|||2015.06.10

    法律状态类型:

    发明专利申请公布后的视为撤回|||实质审查的生效|||公开

    摘要

    本发明公开了一种基于灰度级信息的目标边界精确周长估算方法。(1)引入覆盖数字化的概念,处理合成的目标图像,获得保留灰度级信息覆盖数字化图像;(2)对于得到的覆盖数字化图像,定义图像中目标对象的内外边界,并通过边界跟踪得到一像素宽的内边界或外边界的目标图像;(3)计算得到的一像素宽图像边界上局部配置区域中的边界斜率,并利用弧长计算公式获得该配置区域的周长;(4)通过遍历边界,累加得到的局部配置区域边界周长,分别得到整个目标对象的内外边界周长。(5)根据得到的内外边界周长,采用一定的策略最终可获得目标对象的精确周长。本发明克服了图像边界模糊、边界不连续以及边界噪声等各种复杂因素对于周长计算的不利影响,很好地解决了其它算法在目标边界不连续或具有模糊性时目标周长无法精确估算这一问题,大大提高了周长计算的精确性、有效性和鲁棒性,能够在实际的图像特征提取中得到广泛的应用。

    权利要求书

    权利要求书
    1.  基于灰度级信息的目标边界精确周长估算,其特征在于,包括如下步骤:
    1)采用数学方法合成目标图像,并使用积分公式计算目标物体的标准周长,用于最终实 验的相对误差计算;
    2)引入覆盖数字化的概念,处理合成的目标图像,获得保留灰度级信息覆盖数字化图像;
    3)对于得到的覆盖数字化图像,定义图像中目标对象的内外边界,并通过边界跟踪得到 一像素宽的内边界或外边界的目标图像;
    4)计算3)中得到的一像素宽图像边界上局部配置区域中的边界斜率,并利用弧长计算公 式获得该配置区域的周长;
    5)通过遍历边界,累加步骤4)得到的局部配置区域边界周长,分别得到整个目标对象的 内外边界周长;
    6)根据步骤5)得到的内外边界周长,采用一定的策略最终可获得目标对象的精确周长。

    2.  根据权利要求1所述的基于灰度级信息的目标边界精确周长估算方法,其特征在于, 所述步骤1)包括如下步骤:
    a)连续边界目标图像的合成之抛物线边界的目标图像合成:
    在平面坐标系中,选取直线x=100、抛物线围成 的边界,映射到二维图像矩阵中,目标区域(即边界围成的区域)取值255,背景区域取值0。 当把边界归为目标区域或背景区域的时候,规定目标边界的像素宽为0;然后以0像素宽的边 界为基准向内向外扩展边界,并把边界上的像素值随机设为120到130之间的值,得到像素边 界厚度不断增加的模糊边界抛物线形目标图像。
    b)连续边界目标图像的合成之混合边界线的目标图像合成:
    在平面坐标系中,选取直线曲线(x-300)2+(y-300)2=2002、三角函数 围成的边界,映射到二维图像矩阵中,其他操作 与上述a)中一致,合成模糊边界的混合边界线目标图像。
    c)不连续边界目标图像的合成之星形线边界的目标图像合成:
    在平面坐标系中,选取参数方程为x=200cos3t,y=200sin3t的曲线围成的边界,其合成方 法均与上述a)中对应的内容一致,只是边界的值随机设为100到150之间的值。对于得到的目 标图像,再人为的加入噪声,使得目标对象的边界不连续。

    3.  根据权利要求1所述的基于灰度级信息的目标边界精确周长估算方法,其特征在于, 所述步骤2)包括如下步骤:
    a)假定一个连续目标投影到二维数字化网格平面上,每一个网格对应一个像素 pij,定义目标S的像素覆盖数字化为:
    D ( S ) ≈ { ( ( i , j ) , A ( p ij S ) A ( p ij ) ) | ( i , j ) ∈ Z 2 } ]]>
    其中pij表示网格平面中坐标为(i,j)的像素,A(X)表示集合X的面积,Z2表示二维数字化网 格平面。
    b)上述a)中分配给网格像素的值是非量化的真实覆盖值,但是实际上在计算机中存储和 分析图像时,会受到灰度级的限制,比如灰度图像只有256级,因此引出下面的定义。假定 一个连续目标投影到2维数字化网格平面上,并给定一个n级的量化标准。定义量 化级为n的目标S的像素覆盖数字化为:

    其中表示小于x的最大整数。该定义使得分配给网格像素的覆盖值被限制在一个n级的量 化数字化集合中,这个集合对应存在的灰度级集合,n=1时表示二值图像, n=255时表示8位灰度图像。
    c)由于目标与每个像素网格相交的面积无法计算,a)与b)只能限于理论上的抽象表示, 而不能计算出目标图像的像素覆盖数字化。因此,必须使用其他的方法来近似获得目标图像 的像素覆盖数字化。本发明提供了一种自适应算法找到一对阈值b和f,f-b>θ>0,θ为自定 义阈值。令pij表示图像中坐标为(i,j)的像素,G(pij)表示该pij的覆盖值:
    若pij≤b,则pij定义为背景,G(pij)=0;若pij≥f,则pij定义为目标,G(pij)=1; 若b<pij<f,则pij定义为边界(0到1之间),
    其中θ越大,越能凸显边界,使图像的背景和目标形成鲜明对比。尽管这里只介绍了一种 针对灰度图像的双阈值分割算法,但对于彩色图像或其他图像,可以先将其转化为灰度图像, 或者使用其它合适的图像分割方法对其进行处理,最后得到近似的覆盖数字化图像。

    4.  根据权利要求1所述的基于灰度级信息的目标边界精确周长估算方法,其特征在于, 所述步骤3)包括如下步骤:
    a)不连续边界的跟踪算法:
    对于步骤1)合成的不连续边界目标图像I应用步骤2)中的方法,得到覆盖数字化后的图 像Dn(I),其中黑色区域表示背景(0),灰色区域表示边界,取值范围(0,1),白色区域表示目标 (1)。设计3×3的四邻域模板配置,将中心元素的四邻域像素编号为1、2、3、4,遍历整幅Dn(I)。
    满足以下两个条件的像素集合将其定义为内边界,记作In:
    ①中心元素是0到1之间的值;
    ②四邻接的元素1、2、3、4中至少有一个是1(目标)。
    满足以下两个条件的像素集合将其定义为外边界,记作Out:
    ①中心元素是0到1之间的值;
    ②四邻接的元素1、2、3、4中至少有一个是0(背景)。
    若灰色区域被认定为目标,则得到外边界为一像素宽的图像IOut;若灰色区域被认定为背 景,则得到内边界为一像素宽的图像IIn。为了获得IOut、IIn,对于灰色区域(边界)的识别和划 分如下:若中心元素是0到1之间的值,四邻接的元素1、2、3、4也都是0到1之间的值, 那么,
    ①若要得到图像IIn,则遍历I,将中心元素规定为背景。
    ②若要得到图像IOut,则遍历I,将中心元素规定为目标。
    b)不连续边界的跟踪算法:
    对于步骤1)合成的连续边界目标图像I应用步骤2)中的方法,得到覆盖数字化后的图像 Dn(I),接下来通过不连续边界的跟踪算法也是要找到图像IOut和IIn。由于内外边界求法基本 一致,不失一般性,以外边界为例描述基于连续边界跟踪的HPGL算法。
    ①考虑到目标边界正好在图像的边缘上,在输入的二维图像I四周加上0像素,再 根据I的数组索引得到0-cells点坐标的数组I0,再为这些点都加上一个标志flag=0。这样,I0就 变成了一个结构体二维数组。然后,根据I中的像素值,找到最上边最左边的第一个不为0 的像素,映射到I0中对应的0-cells点,取像素上端的两个0-cells顶点p1、p2作为开始点, 并将p1、p2的flag值设为1,表示它们已经被纳入边界。
    ②将p2设为中心点,考虑p2在I0平面网格图中四方向上的点pnext,满足以下两个条 件:pnext的flag标记为0;pnext与pnext的中心点(即前一个确定为边界的点,算法初始时为 p2),所确定的I中的两个像素一个是背景像素,一个是边界像素(求内边界时,一个是目 标像素一个是边界像素)。则将pnext的flag标记为1,作为I0的下一个边界点p3。对于连续边 界的图像I,有且只有一个pnext点成为下一个边界点。
    ③将p3作为中心点,重复②,直到当前的中心点的四方向上出现点p1,表示该中心 点是目标的最后一个边界点。
    ④将找到的外边界点坐标映射为图像I中像素的二维数组索引下标,得到IOut,它是 只保留了边界区域最外层一像素宽边界的图像,其他的边界区域归结为目标像素,背景区域 不变,同理可以得到IIn。

    5.  根据权利要求1所述的基于灰度级信息的目标边界精确周长估算方法,其特征在于, 所述步骤4)包括如下步骤:
    a)非量化图像的局部区域的边界周长计算:
    任给一曲线,假设其函数表达式为y=f(x),x∈[a,b],利用公式可计 算该曲线在区间[a,b]的长度。对于直线y=kx+m,k∈[0,1],在区间x∈[0,N],N>0上线段 的长度为:接着,给定一个半平面H:y≤kx+m,,k∈[0,1],m≥0,利用 上述公式可以计算半平面H在[0,N]上的边缘片段的长度。其中斜率k可以通过以下公式进行 计算:
    k = y ( x + Δx ) - y ( x ) Δx = y ( x + 1 ) - y ( x ) ]]>
    对区间[0,N]的每个单位区间,记令dc=sc+1-sc,那么在 一个单位区间上的直线片段的斜率k=dc=sc+1-sc,c∈Z+。如果 c∈{0,1,...,N-1},N∈Z+,则可以计算出每一个单位宽度区间中的sc,对应于数字化网格中的 一个像素列。在半平面H上给出一个宽度为N的图像I,则其l可由以下公式计算:
    l ( I ) = Σ c = 0 N - 1 l c , l c = 1 + d c 2 ]]>
    其中dc=sc+1-sc,在图像中表示相邻的两列像素和之差。
    b)量化图像的局部区域的边界周长计算:
    如果图像I已经被量化,覆盖数字化为Dn(I),接着由步骤3)跟踪得到的图像IOut和IIn, 针对IOut和IIn,sc的值就可以根据量化的像素覆盖值计算,继而dc、lc、l(I)可以根据量化的 像素覆盖值计算,这些值源于集合由于量化导致一定的误差,所以 需引进一个比例因子γn进行校正,在半平面H上给出一个宽度为N的图像I,覆盖数字化为 Dn(I),则其长度可由公式计算:其中参数γn取0.9604,则由可 图像中一个小的邻域计算出来。
    在一个3×2的局部矩形配置区域中,如果图像中的目标边界经过该区域,那么目标边界 在该区域内的曲线片段可看作一条小直线片段,这里先只考虑直线片段的斜率为的情 况。很明显,只取决于该区域中6个覆盖化像素的值,记3×2的局部矩形配置区域为Ω(c,r), (c,r)表示3×2局部配置区域的第2行第1列元素在图像中的位置。令表示右列像素的和 与左列像素的和之差,对于半平面的边缘片段u,假定斜率为k∈[0,1],经过则 考虑到像素量化的情况,当可以得到公式:
    于是我们可以通过Ω(c,r)区域中的列和之差来计算经过Ω(c,r)区域的目标边界的斜率,代 入到可得该区间中目标边界片段的长度。
    如果直线片段斜率k大于1,那么上述的值的计算应该按照行和之差来计算,而不 是按列的情况,相对应的应该使用2×3的配置区域来代替3×2的配置区域。为了简化方法的 使用,可以使用3×3的配置区域,该配置既考虑到斜率|k|大于1又考虑到|k|≤1的情况。
    记3×3的局部矩形配置区域为T(c,r),(c,r)表示3×3局部配置区域的中心元素在图像中 位置,很明显3×3含两个3×2子配置区域,即Ω(c-l,r)和Ω(c,r)。
    假设被考虑直线片段斜率k∈[0,1],则可以得出一个3×3配置区域中局部边界的长度为:
    l ^ ( c , r ) T = l ^ l + l ^ r ]]>
    其中,
    上面只考虑到半平面H:y≤kx+m,k∈[0,1]的情况,但是利用平面旋转和对称的性质,可以 将k∈(-∞,+∞),y≥kx+m的一般情况都归结到半平面H:y′≤k′x+m′k′∈[0,1]上来,下面分三种 情况来讨论,其中pl表示3×3配置区域中元素的值,i=1,2...9,且编号按行索引:
    ①当y≥kx+m时,应用关于y=r对称的性质,交换3×3配置中p1与p7、p2与p8、p3与p9的值;②当k<0时,应用关于x=r对称的性质,交换3×3配置中p1与p3、p4与p6、p7与p9的值;③当|k|>1时,应用关于x+y=c+r对称的性质,交换3×3配置中p2与p4、p3与p7、p6与p8的值。

    6.  根据权利要求1所述的基于灰度级信息的目标边界精确周长估算方法,其特征在于, 所述步骤5)具体为:
    用3×3配置遍历IOut或IIn后,累加每个T(c,r)配置区域边界周长计算结果,对于整幅IOut或 IIn,有:最终分别得到了IOut和IIn周长估计结果和

    7.  根据权利要求1所述的基于灰度级信息的目标边界精确周长估算方法,其特征在于, 所述步骤6)具体为:
    根据目标对象是否为特定的形状采取相应的几何方法或其他策略方法,对和进行加权平均处理,最终得到目标对象的精确周长估算,其中对一般不具备任何特征的目标 对象,最直接简单的方法就是取和的平均值作为最终的周长估算结果。

    说明书

    说明书基于灰度级信息的目标边界精确周长估算
    技术领域
    本发明涉及模式识别、图像处理、特征提取技术领域,特别是基于灰度级信息的目标边 界精确周长估算方法。
    背景技术
    在图像分析领域,2维图像中目标物体的周长是一个重要的目标形态特征,在现实生活 中具有十分广泛的应用。表面上这是一个很简单的工作,但是目前却很难从一幅数字图像中 获得目标物体的精确周长。一方面,噪声对周长计算结果产生了不同层次的干扰;另一方面, 目标物体边界的模糊性、复杂性给计算带来了一定的困难,也对最后的计算结果产生很大的 影响。因而,近年来不少学者都围绕这个问题进行了研究,即如何实现目标物体的精确周长 计算。
    当前许多文章提出的方法都是基于二值图像,即在计算周长之前,图像中的目标像素值 被定义为1,背景像素值被定义为0,这种思想可以简化目标周长的计算,但与此同时也会丢 失大量的图像信息,特别是边界上的信息。显然,目标周长是由目标边界所确定,边界信息 的丢失,将直接导致最后周长计算不精确。相比二值图像,数字化的灰度图像包含更多的信 息,因而能够保证最终的周长计算结果更符合实际图像中目标的边界周长。
    Sladoje和Lindblad提出了一种基于灰度级信息的局部目标边界周长计算方法(High  Precision Boundary Length Estimation by Utilizing Gray-Level Information,本文简称该方法为 HPGL)。HPGL方法使用覆盖分割的方法得到保留灰度级信息的覆盖值灰度图像,然后计算局 部模板配置中的周长,并给这些局部的周长计算结果一个优化参数,累积这些局部周长最终 得到整个目标的边界周长。
    然而,HPGL方法对于低分辨率或者边界比较模糊的图像,计算结果很不理想,其主要 原因在于HPGL对于目标边界厚度超过l的图像,出现重复计算边界的问题。但是,在保留 了边界的灰度级信息后,目标边界的模糊性是不可避免的,这一矛盾直接限制了HPGL方法 的精确性和适用性。
    边界跟踪可以对目标边界上复杂模糊的灰度级信息进行提取,克服保留灰度级信息的模 糊边界对周长计算过程的影响,从而取得精确的边界周长计算结果。
    发明内容
    针对上述现有技术中存在的缺陷或不足,本发明的目的在于,提出一种基于灰度级信息 的目标边界精确周长估算方法,从而达到边界周长精确计算的目的。
    本发明的技术方案是,基于灰度级信息的目标边界精确周长估算方法,其特征是:包括 如下步骤:
    1)引入覆盖数字化的概念,处理合成的目标图像,获得保留灰度级信息覆盖数字化图 像;
    2)对于得到的覆盖数字化图像,定义图像中目标对象的内外边界,并通过边界跟踪得 到一像素宽的内边界或外边界的目标图像;
    3)计算2)中得到的一像素宽图像边界上局部配置区域中的边界斜率,并利用弧长计算公 式获得该配置区域的周长;
    4)通过遍历边界,累加步骤3)得到的局部配置区域边界周长,分别得到整个目标对象的 内外边界周长;
    5)根据步骤4)得到的内外边界周长,采用一定的策略最终可获得目标对象的精确周长。
    所述步骤1),包括如下步骤:
    a)假定一个连续目标投影到二维数字化网格平面上,每一个网格对应一个像素 pij,定义目标S的像素覆盖数字化为:
    D ( S ) ≈ { ( ( i , j ) , A ( p ij S ) A ( P ij ) ) | ( i , j ) ∈ Z 2 } ]]>
    其中pij表示网格平面中坐标为(i,j)的像素,A(X)表示集合X的面积,Z2表示二维数字 化网格平面。
    b)上述a)中分配给网格像素的值是非量化的真实覆盖值,但是实际上在计算机中存储和 分析图像时,会受到灰度级的限制,比如灰度图像只有256级,因此引出下面的定义。假定 一个连续目标投影到2维数字化网格平面上,并给定一个n级的量化标准。定义量 化级为n的目标S的像素覆盖数字化为:

    其中表示小于x的最大整数。该定义使得分配给网格像素的覆盖值被限制在一个n 级的量化数字化集合中,这个集合对应存在的灰度级集合,n=1时表示二 值图像,n=255时表示8位灰度图像。
    c)由于目标与每个像素网格相交的面积无法计算,a)与b)只能限于理论上的抽象表示, 而不能计算出目标图像的像素覆盖数字化。因此,必须使用其他的方法来近似获得目标图像 的像素覆盖数字化。本发明提供了一种自适应算法找到一对阈值b和f,f-b>θ>0,θ为自定 义阈值。令pij表示图像中坐标为(i,j)的像素,G(pij)表示该pij的覆盖值:
    若pij≤b,则pij定义为背景,G(pij)=0;
    若pij≥f,则pij定义为目标,G(pij)=1;
    若b<pij<f,则pij定义为边界(0到1之间),
    其中θ越大,越能凸显边界,使图像的背景和目标形成鲜明对比。尽管这里只介绍了一 种针对灰度图像的双阈值分割算法,但对于彩色图像或其他图像,可以先将其转化为灰度图 像,或者使用其它合适的图像分割方法对其进行处理,最后得到近似的覆盖数字化图像。
    所述步骤2),包括如下步骤:
    a)不连续边界的跟踪算法:
    对于不连续边界目标图像I应用步骤1)中的方法,得到覆盖数字化后的图像Dn(I),其 中黑色区域表示背景(0),灰色区域表示边界,取值范围(0,1),白色区域表示目标(1)。设计3×3 的四邻域模板配置,将中心元素的四邻域像素编号为1、2、3、4,遍历整幅Dn(I)。
    满足以下两个条件的像素集合将其定义为内边界,记作In:
    ①中心元素是0到1之间的值;
    ②四邻接的元素1、2、3、4中至少有一个是1(目标)。
    满足以下两个条件的像素集合将其定义为外边界,记作Out:
    ①中心元素是0到1之间的值;
    ②四邻接的元素1、2、3、4中至少有一个是0(背景)。
    若灰色区域被认定为目标,则得到外边界为一像素宽的图像IOut;若灰色区域被认定为 背景,则得到内边界为一像素宽的图像IIn。为了获得IOut、IIn,对于灰色区域(边界)的识别和 划分如下:若中心元素是0到1之间的值,四邻接的元素1、2、3、4也都是0到1之间的值, 那么,
    ①若要得到图像IIn,则遍历I,将中心元素规定为背景。
    ②若要得到图像IOut,则遍历I,将中心元素规定为目标。
    b)连续边界的跟踪算法:
    对于连续边界目标图像I应用步骤1)中的方法,得到覆盖数字化后的图像Dn(I),接下 来通过连续边界的跟踪算法也是要找到图像IOut和IIn。由于内外边界求法基本一致,不失一 般性,以外边界为例描述基于连续边界跟踪的HPGL算法。
    ①考虑到目标边界正好在图像的边缘上,在输入的二维图像I四周加上0像素,再根据 I的数组索引得到0-cells点坐标的数组I0,再为这些点都加上一个标志flag=0。这样,I0就变 成了一个结构体二维数组。然后,根据I中的像素值,找到最上边最左边的第一个不为0的 像素,映射到I0中对应的0-cells点,取像素上端的两个0-cells顶点p1、p2作为开始点,并 将p1、p2的flag值设为1,表示它们已经被纳入边界。
    ②将p2设为中心点,考虑p2在I0平面网格图中四方向上的点pnext,满足以下两个条件: pnext的flag标记为0;pnext与pnext的中心点(即前一个确定为边界的点,算法初始时为p2), 所确定的I中的两个像素一个是背景像素,一个是边界像素(求内边界时,一个是目标像素一 个是边界像素)。则将pnext的flag标记为1,作为I0的下一个边界点p3。对于连续边界的图像 I,有且只有一个pnext点成为下一个边界点。
    ③将p3作为中心点,重复②,直到当前的中心点的四方向上出现点p1,表示该中心点 是目标的最后一个边界点。
    ④将找到的外边界点坐标映射为图像I中像素的二维数组索引下标,得到IOut,它是只 保留了边界区域最外层一像素宽边界的图像,其他的边界区域归结为目标像素,背景区域不 变,同理可以得到IIn。
    所述步骤3)包括如下步骤:
    a)非量化图像的局部区域的边界周长计算:
    任给一曲线,假设其函数表达式为y=f(x),x∈[a,b],利用公式可计 算该曲线在区间[a,b]的长度。对于直线y=kx+m,k∈[0,1],在区间x∈[0,N],N>0上线段 的长度为: l = N 1 + k 2 ]]>
    接着,给定一个半平面H:y≤kx+m,,k∈[0,1],m≥0,利用上述公式可以计算半平面H 在[0,N]上的边缘片段的长度。其中斜率k可以通过以下公式进行计算:
    k = y ( x + Δx ) - y ( x ) Δx = y ( x + 1 ) - y ( x ) ]]>
    对区间[0,N]的每个单位区间,记令dc=sc+1-sc,那么在 一个单位区间上的直线片段的斜率k=dc=sc+1-sc,c∈Z+。如果 c∈{0,1,...,N-1},N∈Z+,则可以计算出每一个单位宽度区间中的sc,对应于数字化网格中的 一个像素列。在半平面H上给出一个宽度为N的图像I,则其l可由以下公式计算:

    其中dc=sc+1-sc,在图像中表示相邻的两列像素和之差。
    b)量化图像的局部区域的边界周长计算:
    如果图像I已经被量化,覆盖数字化为Dn(I),接着由步骤2)跟踪得到的图像IOut和IIn, 针对IOut和IIn,sc的值就可以根据量化的像素覆盖值计算,继而dc、lc、l(I)可以根据量化的 像素覆盖值计算,这些值源于集合由于量化导致一定的误差,所以 需引进一个比例因子γn进行校正,在半平面H上给出一个宽度为N的图像I,覆盖数字化为 Dn(I),则其长度可由公式计算:
    其中参数γn取0.9604,则由可图像中一个小的邻域计算出来。
    在一个3×2的局部矩形配置区域中,如果图像中的目标边界经过该区域,那么目标边界 在该区域内的曲线片段可看作一条小直线片段,这里先只考虑直线片段的斜率为的情 况。很明显,只取决于该区域中6个覆盖化像素的值,记3×2的局部矩形配置区域为Ω(c,r), (c,r)表示3×2局部配置区域的第2行第1列元素在图像中的位置。令表示右列像素的和 与左列像素的和之差,对于半平面的边缘片段u,假定斜率为k∈[0,1],经过则 考虑到像素量化的情况,当可以得到公式:
    于是我们可以通过Ω(c,r)区域中的列和之差来计算经过Ω(c,r)区域的目标边界的斜率,代 入到可得该区间中目标边界片段的长度。
    如果直线片段斜率k大于1,那么上述的值的计算应该按照行和之差来计算,而不 是按列的情况,相对应的应该使用2×3的配置区域来代替3×2的配置区域。为了简化方法的 使用,可以使用3×3的配置区域,该配置既考虑到斜率|k|大于1又考虑到|k|≤1的情况。
    记3×3的局部矩形配置区域为T(c,r),(c,r)表示3×3局部配置区域的中心元素在图像中 位置,很明显3×3含两个3×2子配置区域,即Ω(c-1,r)和Ω(c,r)。
    假设被考虑直线片段斜率k∈[0,1],则可以得出一个3×3配置区域中局部边界的长度为:
    l ^ ( c , r ) T = l ^ l + l ^ r ]]>
    其中,

    上面只考虑到半平面H:y≤kx+m,k∈[0,1]的情况,但是利用平面旋转和对称的性质,可 以将k∈(-∞,∞),y≥kx+m的一般情况都归结到半平面H:y′≤k′x+m′k′∈[0,1]上来,下面分三 种情况来讨论,其中p1表示3×3配置区域中元素的值,i=1,2...9,且编号按行索引:
    ①当y≥kx+m时,应用关于y=r对称的性质,交换3×3配置中p1与p7、p2与p8、p3与p9的值;
    ②当k<0时,应用关于x=r对称的性质,交换3×3配置中p1与p3、p4与p6、p7与p9的 值;
    ③当|k|>1时,应用关于x+y=c+r对称的性质,交换3×3配置中p2与p4、p3与p7、p6与 p8的值。
    所述步骤4)具体为:
    用3×3配置遍历IOut或IIn后,累加每个T(c,r)配置区域边界周长计算结果,对于整幅IOut或 IIn,有: l ^ T ( I ) = Σ T ( c , r ) ⋐ I l ^ ( c , r ) T ]]>
    最终分别得到了IOut和IIn周长估计结果和
    所述步骤5)具体为:
    根据目标对象是否为特定的形状采取相应的几何方法或其他策略方法,对和 进行加权平均处理,最终得到目标对象的精确周长估算,其中对一般不具备任何特征的 目标对象,最直接简单的方法就是取和的平均值作为最终的周长估算结果。
    本发明与现有技术相比,其显著优点:(1)提出一种基于灰度级信息的目标边界精确周长 估算方法。(2)解决了其它算法在目标边界不连续或具有模糊性时目标周长无法精确估算这 一问题。(3)结合边界跟踪得到的内外边界来估计目标图像的边界周长,提高了边界周长估 计的精确性和鲁棒性。
    附图说明
    图1为基于灰度级信息的目标边界精确周长估算方法的主流程图。
    图2a为实施例2边界厚度d=3的连续边界目标图像;图2b为实施例2边界厚度d=3的不连 续边界目标图像;图2c为实施例2边界厚度d=5的连续边界目标图像;图2d为实施例2边界厚 度d=5的不连续边界目标图像;图2e为实施例2边界厚度d=7的连续边界目标图像;图2f为实 施例2边界厚度d=7的不连续边界目标图像。
    图3a为实施例1边界厚度d=0的连续边界目标图像;图3b为实施例1边界厚度d=1的连续 边界目标图像;图3c为实施例1边界厚度d=3的连续边界目标图像;图3d为实施例1边界厚度 d=5的连续边界目标图像;图3e为实施例1边界厚度d=7的连续边界目标图像。
    具体实施方式
    本发明的实验平台为Intel(R)Core(TM)[email protected]的PC机,32位Window7系 统和Matlab 2012a的工具软件。本实验平台用本发明方法对人工合成目标图像进行处理,最终 得到目标对象的精确边界周长。
    实施例1
    本发明实施例对边界不连续的目标图像进行周长估计,其合成过程如下:
    在平面坐标系中,选取参数方程为x=200cos3t,y=200sin3t的曲线围成的边界,映射到二 维图像矩阵中,目标区域(即边界围成的区域)取值255,背景区域取值0。当把边界归为目标 区域或背景区域的时候,规定目标边界的像素宽为0。然后以0像素宽的边界为基准向内向外 扩展边界,并把边界上的像素值随机设为120到130之间的值,得到像素边界厚度不断增加的 模糊边界抛物线形目标图像,如图2a、图2c、图2e所示;对于得到的目标图像,再人为的加 入噪声,使得目标对象的边界不连续,如图2b、图2d、图2f所示,并利用公式 计算合成图像的标准周长ls(真实周长)。
    如图1所示,不连续边界周长计算包括如下步骤:
    所述步骤1)具体为:
    采用一种自适应算法找到一对阈值b和f,f-b>θ>0,θ为自定义阈值。令pij表示合成 目标图像I中坐标为(i,j)的像素,G(pij)表示该pij的覆盖值:
    若pij≤b,则pij定义为背景,G(pij)=0;
    若pij≥f,则pij定义为目标,G(pij)=1;
    若b<pij<f,则pij定义为边界(0到1之间),
    遍历整幅合成目标图像I,得到覆盖数字化图像Dn(I),其中黑色区域表示背景(0),灰色 区域表示边界,取值范围(0,1),白色区域表示目标(1)。
    所述步骤2)具体为:
    设计3×3的四邻域模板配置,将中心元素的四邻域像素编号为1、2、3、4,遍历整幅Dn(I)。
    满足以下两个条件的像素集合将其定义为内边界,记作In:
    ①中心元素是0到1之间的值;
    ②四邻接的元素1、2、3、4中至少有一个是1(目标)。
    满足以下两个条件的像素集合将其定义为外边界,记作Out:
    ①中心元素是0到1之间的值;
    ②四邻接的元素1、2、3、4中至少有一个是0(背景)。
    若灰色区域被认定为目标,则得到外边界为一像素宽的图像IOut;若灰色区域被认定为 背景,则得到内边界为一像素宽的图像IIn。为了获得IOut、IIn,对于灰色区域(边界)的识别和 划分如下:若中心元素是0到1之间的值,四邻接的元素1、2、3、4也都是0到1之间的值, 那么,
    ①若要得到图像IIn,则遍历I,将中心元素规定为背景。
    ②若要得到图像IOut,则遍历I,将中心元素规定为目标。
    通过上述过程,得到IIn和IOut。
    所述步骤3)具体为:
    非量化图像的局部区域的边界周长计算:
    任给一曲线,假设其函数表达式为y=f(x),x∈[a,b],利用公式可计 算该曲线在区间[a,b]的长度。对于直线y=kx+m,k∈[0,1],在区间x∈[0,N],N>0上线段 的长度为:
    l = N 1 + k 2 ]]>
    接着,给定一个半平面H:y≤kx+m,,k∈[0,1],m≥0,利用上述公式可以计算半平面H 在[0,N]上的边缘片段的长度。其中斜率k可以通过以下公式进行计算:
    k = y ( x + Δx ) - y ( x ) Δx = y ( x + 1 ) - y ( x ) ]]>
    对区间[0,N)的每个单位区间,记令dc=sc+1-sc,那么在 一个单位区间上的直线片段的斜率k=dc=sc+1-sc,c∈z+。如果 c∈{0,1,...,N-1},N∈Z+,则可以计算出每一个单位宽度区间中的sc,对应于数字化网格中的 一个像素列。在半平面H上给出一个宽度为N的图像I,则其l可由以下公式计算:
    l ( I ) = Σ c = 0 N - 1 l c , l c = 1 + d c 2 ]]>
    其中dc=sc-1-sc,在图像中表示相邻的两列像素和之差。
    量化图像的局部区域的边界周长计算:
    针对步骤2)得到的IOut和IIn,sc的值就可以根据图像中量化的像素值计算,继而dc、lc、 l(I)可以根据量化的像素覆盖值计算,这些值源于集合由于量化导致 一定的误差,所以需引进一个比例因子γn进行校正,在半平面H上给出一个宽度为N的图像 I,覆盖数字化为Dn(I),则其长度可由以下公式计算:
    l ^ ( I ) = Σ c = 0 N - 1 l ^ c , l ^ c = γ n 1 + d ~ c 2 ]]>
    其中参数γn取0.9604,则由可图像中一个小的邻域计算出来。
    在一个3×2的局部矩形配置区域中,如果图像中的目标边界经过该区域,那么目标边界 在该区域内的曲线片段可看作一条小直线片段,这里先只考虑直线片段的斜率为的情 况。很明显,只取决于该区域中6个覆盖化像素的值,记3×2的局部矩形配置区域为Ω(c,r), (c,r)表示3×2局部配置区域的第2行第1列元素在图像中的位置。令表示右列像素的和 与左列像素的和之差,对于半平面的边缘片段u,假定斜率为k∈[0,1],经过则 考虑到像素量化的情况,当可以得到以下公式:
    d ~ c = d ~ ( c , r ) ]]>
    于是我们可以通过Ω(c,r)区域中的列和之差来计算经过Ω(c,r)区域的目标边界的斜率,代 入到可得该区间中目标边界片段的长度。
    如果直线片段斜率k大于1,那么上述的值的计算应该按照行和之差来计算,而不 是按列的情况,相对应的应该使用2×3的配置区域来代替3×2的配置区域。为了简化方法的 使用,可以使用3×3的配置区域,该配置既考虑到斜率|k|大于1又考虑到|k|≤1的情况。
    记3×3的局部矩形配置区域为T(c,r),(c,r)表示3×3局部配置区域的中心元素在图像中 位置,很明显3×3含两个3×2子配置区域,即Ω(c-1,r)和Ω(c,r)。
    假设被考虑直线片段斜率k∈[0,1],则可以得出一个3×3配置区域中局部边界的长度为:
    l ^ ( c , r ) T = l ^ l + l ^ r ]]>
    其中,

    上面只考虑到半平面H:y≤Kx+m,k∈[0,1]的情况,但是利用平面旋转和对称的性质,可 以将k∈(-∞,+∞),y≥kx+m的一般情况都归结到半平面H′:y′≤k′x+m′k′∈[0,1]上来,下面分三 种情况来讨论,其中p1表示3×3配置区域中元素的值,i=1,2...9,且编号按行索引:
    ①当y≥kx+m时,应用关于y=r对称的性质,交换3×3配置中p1与p7、p2与p8、p3与p9的值;②当k<0时,应用关于x=r对称的性质,交换3×3配置中p1与p3、p4与p6、p7与p9的值;③当|k|>1时,应用关于x+y=c+r对称的性质,交换3×3配置中p2与p4、p3与p7、p6与p8的值。
    所述步骤4)具体为:
    用3×3配置遍历IOut或IIn后,累加每个T(c,r)配置区域边界周长计算结果,对于整幅IOut或 IIn,有: l ^ T ( I ) = Σ T ( c , r ) ⋐ I l ^ ( c , r ) T ]]>
    最终分别得到了IOut和IIn周长估计结果和
    所述步骤5)具体为:
    取和的平均值作为最终的周长估算结果,并根据ls可以得到周长计算的相 对误差。
    实施例2
    本发明实施例对边界连续的目标图像进行周长估计,其合成过程如下:
    在平面坐标系中,选取直线曲线(x-300)2+(y-300)2=2002、三角函数 与围成的边界,映射到二维图像矩阵中,目标区域 (即边界围成的区域)取值255,背景区域取值0。当把边界归为目标区域或背景区域的时候, 规定目标边界的像素宽为0;然后以0像素宽的边界为基准向内向外扩展边界,并把边界上的 像素值随机设为120到130之间的值,得到像素边界厚度不断增加的模糊边界抛物线形目标图 像,如图3a、图3b、图3c、图3d、图3e所示。
    如图1所示,连续边界周长计算包括如下步骤:
    所述步骤1)同实施例1步骤1);
    所述步骤2)具体为:
    针对1)中得到覆盖数字化后的图像Dn(I),接下来通过连续边界的跟踪算法也是要找到 图像IOut和IIn。由于内外边界求法基本一致,不失一般性,以外边界为例描述基于连续边界 跟踪的HPGL算法。
    ①考虑到目标边界正好在图像的边缘上,在输入的二维图像I四周加上0像素,再根据 I的数组索引得到0-cells点坐标的数组I0,再为这些点都加上一个标志flag=0。这样,I0就变 成了一个结构体二维数组。然后,根据I中的像素值,找到最上边最左边的第一个不为0的 像素,映射到I0中对应的0-cells点,取像素上端的两个0-cells顶点p1、p2作为开始点,并 将p1、p2的flag值设为1,表示它们已经被纳入边界。
    ②将p2设为中心点,考虑p2在I0平面网格图中四方向上的点pnext,满足以下两个条件: pnext的flag标记为0;pnext与pnext的中心点(即前一个确定为边界的点,算法初始时为p2), 所确定的I中的两个像素一个是背景像素,一个是边界像素(求内边界时,一个是目标像素一 个是边界像素)。则将pnext的flag标记为1,作为I0的下一个边界点p3。对于连续边界的图像 I,有且只有一个pnext点成为下一个边界点。
    ③将p3作为中心点,重复②,直到当前的中心点的四方向上出现点p1,表示该中心点 是目标的最后一个边界点。
    ④将找到的外边界点坐标映射为图像I中像素的二维数组索引下标,得到IOut,它是只 保留了边界区域最外层一像素宽边界的图像,其他的边界区域归结为目标像素,背景区域不 变,同理可以得到IIn。
    所述步骤3)、4)、5)同实施例1步骤3)、4)、5),最终得到图3a、图3b、图3c、图3d、 图3e目标对象的精确周长估算。
    实施例1、实施例2都是针对合成目标图像,这样做是为了得到目标对象的真实周长, 从而可以计算本发明方法周长估算结果的相对误差,以验证本发明方法的精确性、适应性, 本发明方法对于实际应用中的目标图像周长计算都是适用的。

    关 键 词:
    基于 灰度 信息 目标 边界 精确 周长 估算
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:基于灰度级信息的目标边界精确周长估算.pdf
    链接地址://www.4mum.com.cn/p-5890293.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03