基于图像处理算法的相变热图显示系统

摘要

本发明提供了一种基于图像处理算法的相变热图显示系统，包括初始图像预处理模块、相变线提取模块、热图谱的显示模块，初始图像预处理模块还包括序列图像位置匹配模块，用于调整模型偏移产生的初始序列图像位置偏移；相变线提取模块采用融合形状先验特性的相变线跟踪算法，从模型初始轮廓中提取模型相变线；此算法采用对传统的C-V主动轮廓模型进行改进的基于差分信息且融合形状先验特性的C-V主动轮廓模型。本发明的序列图像位置匹配模块，提高了图像帧间差分的准确性，融合形状先验特性的相变线跟踪算法对差分变化信息进行能量曲线演化，可以有效地对多种模型种类提取出序列图像中的相变线。

权利要求

1.一种基于图像处理算法的相变热图显示系统，包括初始图像预处理模块、相变线提取模块、热图谱的显示模块，其特征在于：所述的初始图像预处理模块包括序列图像位置匹配模块，所述的序列图像位置匹配模块用于调整因模型偏移所产生的初始序列图像位置偏移，形成归一化的序列图像；所述的相变线提取模块采用融合形状先验特性的相变线跟踪算法，从模型初始轮廓中提取模型相变线；所述的融合形状先验特性的相变线跟踪算法采用基于差分信息且融合形状先验特性的C-V主动轮廓模型，所述的基于差分信息且融合形状先验特性的C-V主动轮廓模型为：2

假定Ω为R 中的有界开集， 为开集的边界，u0：Ω→R是给定的图像，假设图像u0是由有两个灰度值分别近似于常数c1和c2的区域组成，进一步假定要分割的对象的轮廓是Co，对象的点数值为u0(x，y)，那么在对象内部，有u0＝c1，而在对象外部有u0＝c2，则基于差分信息且融合形状先验特性的C-V主动轮廓模型的能量函数为：其中，φ(x，y)是水平集函数，I0(x，y)＝γ·(g(x，y)-k(x，y))，k(x，y)为归一化的序列图像中的初始图像，g(x，y)为归一化的序列图像中后序相变图像，γ为对比度增强的系数，u1，u2，α，λ1，λ2为各项的系数常量，根据欧拉-拉格朗日方程推导出使式(1)极小化的水平集函数φ满足的偏微分方程：其中，φ为当前帧的水平集函数，φl为前帧的水平集函数，φ0为起始帧的水平集函数，H(x)，δ(x)分别为Heaviside函数和Dirac函数，在实际计算中，分别取：ε是一变量，具体取值为1；

所述的融合形状先验特性的相变线跟踪算法包括以下步骤：

1)选取归一化的序列图像的起始帧；

2)通过间隔N帧，自动选取后序帧，通过差分及对比度的调整，得到差分变化的有效信息，完成对水平集函数φ的初始化；

3)根据式(2)计算 然后通过计算

得到后帧的水平集函数 τ为迭代步长，演化水平集函数， 为当前帧的水平集函数， 为后帧的水平集函数， 为前帧的水平集函数；

4)计算收敛条件 该式表示轮廓上的变化情况，取阈值ξ，若Q

＜ξ，则认为收敛，迭代停止；反之则返回步骤3)继续处理；

5)判别后序帧是不是最后一帧，如果是则退出，得到所需的所有归一化的序列图像的相变过程及精确模型相变线；不是则返回步骤2)继续运行。

2.如权利要求1所述的相变热图显示系统，其特征在于：所述的序列图像位置匹配模块采用基于结构特征的图像匹配算法，所述的基于结构特征的图像匹配算法为：设起始帧特征矩阵用pu表示，待匹配区域某一特征矩阵用qu表示，qu，pu拥有相同的空间大小，边缘特征统计指标为：其中 M为待匹配区域内含有qu的个数，矩阵pu

和qu与ε1，ε2的相乘可以拆分为一系列3×3的矩阵，式(4)中 对应于目标区域中试验物边缘信息， 对应于待匹配区域中试验物边缘信

息，当特征为u的像素全部出现在待匹配区域中的qu时，(p，q)取最小值，此时特征u对该区域的支持程度最高。

3.如权利要求1所述的相变热图显示系统，其特征在于：所述的初始图像预处理模块包括初始轮廓选取模块，所述的初始轮廓选取模块用于从归一化的序列图像中选取模型初始轮廓。

4.如权利要求3所述的相变热图显示系统，其特征在于：所述的初始轮廓选取模块采用轮廓提取和轮廓跟踪的边缘查找算法。

5.如权利要求1所述的相变热图显示系统，其特征在于：所述的热图谱的显示模块包括：模型参数输入模块，通过模型与模型初始轮廓大小的对应关系，实现模型参数的调整输入；

热图谱绘制与输出模块，通过模型相变线以及模型参数绘制出模型的热图谱，并进行输出。

说明书

基于图像处理算法的相变热图显示系统

技术领域

[0001] 本发明涉及一种相变热图显示系统，尤其涉及一种基于图像处理算法的相变热图显示系统。

背景技术

[0002] 随着国际形势的复杂化，我国发展高性能的战略武器和航天飞行器已成为及其紧迫的任务。飞行器在大气层中高速飞行时，由于激波压缩和表面粘性摩擦，飞行器巨大动能的一部分转变成空气的热能，飞行器周围的空气温度会很高，对飞行器表面进行加热，即气动加热。在大气层中长时间高速飞行，飞行器所受的局部气动加热和总加热都很大，因此飞行器必须进行防热结构设计。防热结构设计的基础是准确了解气动加热参数，而风洞试验是了解气动加热参数、进行气动加热研究的重要手段。

[0003] 在风洞各种测热手段中，常规的热电偶等单点测量技术不能够提供足够多的点来全面地描绘气动加热参数，因此相变热图试验技术被普遍采用。相变热图试验技术根据涂料的相变判定物体表面的温度，不仅可以实现大面积的热测绘，并且能够对整个试验物气动加热率分布进行普查。相对于红外技术来说，该技术具有使用成本低、方便、灵活的特点，且不受环境温度的影响。相变热图试验技术测试系统框图见附图1。用高分辨率的CCD摄像头及视频图像采集卡，以每秒25帧的速率采集模型表面相变图像，实时捕获模型表面相变历程。CCD摄像头选用合适焦距的镜头，使采集到的模型图像大小适宜，调焦后可获得很清晰的图形。

[0004] 相变热风洞试验的具体过程是：在实验物的表面均匀地涂上一层相变漆(固定融熔温度To)，相变漆未发生相变时是白色不透明的，当温度升高到相变温度时(由于涂层很薄，可以认为涂料相变温度To即为模型壁面温度Tw)，便发生相变而成为透明体。每一种相变漆，其相变温度是固定的。如果将相变漆涂于各向同性的绝热材料制作的模型表面，那么模型表面将变成白色的，在试验过程中，由于处于风洞中的模型表面不均匀受热，有的部位先达到相变温度，发生相变，显现出模型的真实颜色，有的部位，由于温度低没有相变，仍为白色。因此透明部分与不透明部分形成分界线，这条线即是相变线，其代表的温度是相变温度，而且随着时间推移，模型其它部位也将出现一系列相变线。在相变线上Tw＝To，通过图像采集系统记录下模型表面各位置发生相变历程的图像(即不同时刻的相变线位置)，进行图像处理提取相变线，再依据热图关系式计算模型表面的气动加热系数和热流等参数，得到模型表面的气动加热分布。

[0005] 西安交通大学王晓年博士等针对一类模型表面情况较为简单的相变热序列图像提出了一种自动提取方法。该方法通过时间-空间变换把原始序列图像转变成一组合成图像，合成图像中的一列记录了特征图像上一点的相变过程，其中竖向灰度剧烈变化的位置(分割线的位置)就是特征图像上的相变位置。但是该方法基于如下前提：首先，相变线没有拓扑变化，且其运动方向为简单的单向运动。其次，图像序列转换方式易于人工确定，且合成图像具有优于原图的相变线特征。因此，目前的算法只能针对某一类相变热图实现有效分割，且需要人工确定图像转换方式。从而限制了相变热图测试系统模型多样化的需求。

发明内容

[0006] 本发明提供一种能精确地对相变热图测试系统的多类模型进行相变热图显示的系统。

[0007] 一种基于图像处理算法的相变热图显示系统，包括：初始图像预处理模块，相变线提取模块、热图谱的显示模块，其中，初始图像预处理模块用于对CCD摄像头及视频图像采集卡采集的表现模型表面相变的初始序列图像进行预处理，包括：

[0008] 序列图像位置匹配模块，用于调整因模型偏移所产生的初始序列图像位置偏移，形成归一化的序列图像；

[0009] 初始轮廓选取模块，用于从归一化的序列图像中选取模型初始轮廓；

[0010] 所述的相变线提取模块采用融合形状先验特性的相变线跟踪算法，从模型初始轮廓中提取模型相变线；所述的融合形状先验特性的相变线跟踪算法采用基于差分信息且融合形状先验特性的C-V主动轮廓模型，通过相变线提取算法从模型初始轮廓中提取模型相变线；

[0011] 所述的热图谱的显示模块包括：

[0012] 模型参数输入模块，通过模型与模型初始轮廓大小的对应关系，实现模型参数的调整输入；

[0013] 热图谱绘制与输出模块，通过模型相变线以及模型参数绘制出模型的热图谱，并进行输出。

[0014] 在风洞试验中，模型(试验物)的相变过程非常短，一般需要先使风洞试验环境达到稳定状态，再投放试验物至实验位置。并且在投放过程中，试验物也存在相变。因此在实验过程获得的视频数据是包含试验物运动的初始序列图像，所以需要先对试验物下放过程中的开始几帧进行位置调整，保证序列图像中试验物位置的一致性。

[0015] 本发明的序列图像位置匹配模块根据模型本身的结构特征，通过基于结构特征的图像匹配算法对初始序列图像进行位置调整，并经过重命名形成归一化的序列图像。因为调整好位置的序列图像会覆盖掉初始序列图像，需对调整好位置的序列图像进行重命名。初始序列图像最初始没有相变的帧为第一帧作为归一化的序列图像序列号1(完全没有相变的帧)，后序的归一化的序列图像序列号为2。

[0016] 所述的基于结构特征的图像匹配算法为：设起始帧图像特征矩阵用pu表示，待匹配区域某一特征矩阵qu(qu，pu拥有相同的空间大小)表示，本文所提边缘特征统计指标为：

[0017]

[0018] 其中， M为待匹配区域内含有qu的个数，矩阵pu和qu与ε1，ε2的相乘可以拆分为一系列3×3的矩阵。式(4)中两项分别对应于目标区域和待匹配区域中试验物边缘信息。当特征为u的像素全部出现在待匹配区域中的qu时，θ(p，q)取最小值，此时特征u对该区域的支持程度最高。

[0019] 相变热项目中所获取的序列图像的目标就是模型的轮廓曲线，其它部分都为背景，目标相对背景有特定的灰度值范围。图像分割的目的就是将序列图像中感兴趣的部分从背景中分离出来，以进行后续的处理。分割的程度取决于要解决的问题。在本发明中，需要得到二值化图片中模型的初始轮廓。为了获取得到二值化图片的轮廓曲线，采用轮廓提取和轮廓跟踪的边缘查找算法。轮廓提取和轮廓跟踪对于二值图象轮廓提取算法非常简单，轮廓提取的方法就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点都是黑色时(此时该点是内部点)，则将该点删除。轮廓跟踪的基本方法是：先根据某些严格的“探测准则”找出目标物体轮廓上的像素，再根据这些像素的某些特征用一定的“跟踪准则”找出目标物体上的其他像素，二值图象轮廓跟踪的具体算法为：首先找到第一个边界像素，“探测准则”是：按照从左到右，从下到上的顺序搜索，找到的第一个黑点一定是最左下方的边界点，记为A。它的右、右上、上、左上四个邻点中至少有一个是边界点，记为B。从B开始找起，按右、右上、上、左上、左、左下、下、右下的顺序找到相邻点中的边界点C。如果C就是A，则表明已经转了一圈，程序结束；否则从C点继续找，直到找到A为止。判断是不是边界点很容易：如果它的上下左右四个邻点都不是黑点即是边界点(即跟踪准则)。

[0020] 这种算法要对每个边界像素周围的八个点进行判断，计算量比较大，另一种二值图象轮廓跟踪的算法为：首先按照上面所说的“探测准则”找到最左下方的边界点。以这个边界点起始，假设已经沿顺时针方向环绕整个图像一圈找到了所有的边界点。由于边界是连续的，所有每一个边界点都可以用这个边界点对前一个边界点所张的角度来表示。因此可以使用下面的跟踪准则：从第一个边界点开始，定义初始的搜索方向为沿左上方：如果左上方的点是黑点，则为边界点，否则搜索方向顺时针旋转45度。这样一直到找到第一个黑点为止，然后把这个黑点作为新的边界点，在当前搜索方向的基础上逆时针旋转90度，继续用同样的方法继续搜索下一个黑点，知道返回最初的边界点为止。

[0021] 复杂相变试验物的相变过程并不是单一的渐变过程，相变线存在明显的拓扑变化，水平集方法是解决拓扑变化问题的有效方法，但其曲线演化和搜索速度并不理想，考虑到相变线变化的曲线演化特征，本发明在结合曲线演化和水平集理论的C-V主动轮廓模型的基础上改进，提出了一种基于差分信息且融合形状先验特征的C-V主动轮廓模型，采用基于差分信息且融合形状先验特征的C-V主动轮廓模型的融合形状先验特性的相变线跟踪算法以提高处理速度。因为，如果分别对每帧图像单独处理，非常耗时。实际上，序列图像相变线之间存在形状相似性和关联性，前帧图像的相变线为后序相变线提供先验知识。所以，使得这种算法成为可能。

[0022] 所述的基于差分信息且融合形状先验特性的C-V主动轮廓模型为：

[0023] 假定Ω为R2中的有界开集， 为开集的边界，u0：Ω→R是给定的图像，假设图像u0是由有两个灰度值分别近似于常数c1和c2的区域组成，进一步假定要分割的对象的轮廓是Co，对象的点数值为u0(x，y)，那么在对象内部，有u0＝c1，而在对象外部有u0＝c2，则则基于差分信息且融合形状先验特性的C-V主动轮廓模型的能量函数为：

[0024]

[0025]

[0026] 其中，φ(x，y)是水平集函数，I0(x，y)＝γ·(g(x，y)-k(x，y))，k(x，y)为归一化的序列图像中的初始图像，g(x，y)为归一化的序列图像中后序相变图像，γ为对比度增强的系数，u1，u2，α，λ1，λ2为各项的系数常量。根据欧拉-拉格朗日方程推导出使式(1)极小化的水平集函数φ满足的偏微分方程：

[0027]

[0028] 其中，φ为当前帧的水平集函数，φl为前帧的水平集函数，φ0为起始帧的水平集函数，H(x)，δ(x)分别为Heaviside函数和Dirac函数，在实际计算中，分别取：ε是一变量，具体取值为1；

[0029] 所述的融合形状先验特性的相变线跟踪算法包括以下步骤：

[0030] 1)选取归一化的序列图像的起始帧；

[0031] 2)通过间隔N帧，自动选取后序帧，通过差分及对比度的调整，得到差分变化的有效信息，完成对水平集函数φ的初始化；n n

[0032] 3)根据式(2)计算c1(φi，j)，c2(φi，j)，然后通过计算

[0033]

[0034] 得到后帧的水n+1 n n+1
平集函数φi，j 。τ为迭代步长，演化水平集函数，φi，j 为当前帧的水平集函数，φi，jn-1
为后帧的水平集函数，φi，j 为前帧的水平集函数。

[0035] 4)计算收敛条件Q＝∑i，j|φi，jn+1-φi，jn|，该式表示轮廓上的变化情况。取阈值ξ，若Q＜ξ，则认为收敛，迭代停止；反之则返回步骤3)继续处理。

[0036] 5)判别后序帧是不是最后一帧，如果是则退出，得到所需的所有归一化的序列图像的相变过程及精确模型相变线；不是则返回步骤2)继续运行。

[0037] 其中，步骤2)中的差分是指帧间差分，通过序列图像位置匹配模块进行初始序列图像帧间位置匹配以后，保证了相变热序列图像的变化过程归一化为试验物表面相变漆的消逝变化过程。所以可以采取以归一化的序列图像的第一帧为起始帧，后序图片与其差分的方法，得到归一化的序列图像变化的有效信息。

[0038] 步骤2)中的对比度调整是因为，如果在曝光不足或过度的情况下，由于图像的亮度范围不足或非线性会使图像的对比度不是很理想，图像灰度可能会局限在很小的范围内。这时人们看到的将是一个模糊不清、似乎没有层次的图像，可用像素幅度重新分配的方法来改善图像的对比度。灰度修正分为以下三种：线性变换、分段线性变换和非线性变换。(参见求是科技.Visual C++数字图像处理典型算法及实现[M].人民邮电出版社，2007，P117-131)

[0039] 采用传统的C-V主动轮廓模型需对每帧图像在演算过程中重构水平集函数φ，这是一步非常耗时的步骤。在实际应用中，相变序列图像前后帧的相变线存在关联，前帧相变线可以为后者提供先验信息。为此，本发明从水平集函数φ的初始化、重构以及如何融合相变线形状特征方面对C-V主动轮廓模型进行改进以提高相变线的提取速度。

[0040] 初始化φ：以前帧所提取的相变热线为基准，快速初始化水平集函数φ。设η为前帧提取得到的相变线，计算当前图像帧中各像素坐标点与闭合曲线η的距离d(x，y)，通过计算φ＝±d(x，y)(前帧轮廓内部为负，外部为正)，得到水平集函数。因为相变热图序列是一个渐变过程，单帧之间区别很小，选择以前帧为初始轮廓φ，大大减少了搜索的迭代次数，减少了运算时间。

[0041] 前帧相变线获取之后，可以作为当前帧的先验知识。构造相变线形状先验特征函数[11]：

[0042] Einitial(φ，φl)＝∫(H(φ)-H(φl))2dx (5)

[0043] 式中φ为当前帧的水平集函数，φl为前帧的水平集函数。

[0044] 无需重构φ：为了提高算法的演化速度，CM Li基于Level Set函数提出了一个水平集协调函数，可以无需考虑水平集函数的重构问题，其式如下：

[0045]

[0046] 根据该演算函数可以解决水平集函数重构问题即：水平集函数不必重构为水平集函数，提高曲线演化的速度。

[0047] 本文结合式(5)和式(6)，提出了(1)式。

[0048] 所述的相变热图图谱的绘制具体为：对每帧图像进行计算，得到相变线上每个像素点在实际模型表面的坐标值X，Y，Z、像素点所在位置的气动加热系数值、热流值等参数，集成所有相变图像，并拟合未纪录到的模型表面位置气动加热系数值、热流值等。如果是多次局部试验结果，将局部结果镶嵌。热图谱绘制类型：

[0049] (1)全模型相变试验热图谱绘制；

[0050] (2)模型表面局部热图谱绘制；

[0051] (3)选取特征相变图像热图谱绘制；

[0052] (4)模型表面多个局部热图谱在全模型表面镶嵌组合绘制；

[0053] (5)局部热图谱镶嵌到全模型表面热图谱。

[0054] 因模型用绝热材料制成，且涂料层相对于模型直径很小，因此相变测温问题可归结为一端加热，侧壁绝热的半无限长平板一维非定常热传导问题，其微分方程为：

[0055]

[0056] 初始条件：t＝0，T＝Ti；

[0057] 边界条件：

[0058] 其中ω＝ρc/k；ρ，c，k分别为模型的密度、比热和导热系数；t表示时间；T表示温度；x方向垂直与试验物表面。

[0059] 给定一定的边界条件和初始条件，可以得到一维非定常热传导方程的解为：

[0060]

[0061] 其中互补误差函数定义为：

[0062] 互补误差函数需对该表达式进行展开：

[0063]

[0064] 其中 则式(9)可以变为：

[0065]

[0066] 利用数值逼近的方法：

[0067]

[0068] 当满足式(13)时，说明计算出了符合实际大小的β值。

[0069]

[0070] h表示对热换流系数；Tw为模型表面温度，可认为等于材料的相变温度；Ti为模型的初始温度；模型绝热壁温Taw＝0.9T0。其中Taw，Tw，Ti，ρ，c，k均已知，使用迭代的方法得到最优的换热系数。

[0071] 再根据下式可得出瞬时表面热流q(t)与Tw的关系式。

[0072] q＝h(Taw-Tw) (15)

[0073] 热图谱每条等气动加热系数值或热流值线以线型或颜色区分(包含信息：帧数、时间、h、q、h/hs(T0)、h/hs(0.9T0)、q/qs(T0)、q/qs(0.9T0)或其它参数(可以选取))；每个热图谱标注TPC、试验条件参数，如试验车次、马赫数、雷诺数、总温、总压等(可以选取)。

[0074] 本发明采用序列图像位置匹配模块，对初始序列图像进行归一化调整，以便提高图像帧间差分的准确性，基于差分信息融合先验知识的分割模型对差分变化信息进行能量曲线演化，可以有效地对多种模型种类提取出序列图像中的相变线。

附图说明

[0075] 图1为相变热图试验技术测试系统框图。

[0076] 图2为本发明相变热图显示系统框图。

[0077] 图3为本发明模型相变线的提取结果示意图。

[0078] 图4为本发明模型热图谱示意图。

具体实施方式

[0079] 如附图1所示，为相变热图试验技术测试系统框图，包括飞行器模型、高分辨率的CCD摄像头、视频图像采集卡及图像处理系统、热图谱分析系统，其中，CCD摄像头和视频图像采集卡以每秒25帧的速率采集模型表面相变图像，实时捕获模型表面相变历程。CCD摄像头选用合适焦距的镜头，使采集到的模型初始序列图像大小适宜，调焦后可获得很清晰的图形。实施例中各模型所采集到的照片在2G大小左右，2000多张图片耗时80秒左右。

[0080] 附图2为本发明相变热图显示系统框图，相变热图显示系统包括：初始图像预处理模块，相变线提取模块、热图谱的显示模块；其中初始图像预处理模块包括序列图像位置匹配模块、初始轮廓选取模块；所述的热图谱的显示模块包括：模型参数输入模块，和热图谱绘制与输出模块。

[0081] 首先运用序列图像位置匹配模块对CCD摄像头和视频图像采集卡采集的模型初始序列图像进行归一化调整，得到归一化的序列图像。

[0082] 所述的基于结构特征的图像匹配算法为：设起始帧特征矩阵用pu表示，待匹配区域某一特征矩阵用qu表示，qu，pu拥有相同的空间大小，边缘特征统计指标为：

[0083]

[0084] 其中 M为待匹配区域内含有qu的个数，矩阵pu和qu与ε1，ε2的相乘可以拆分为一系列3×3的矩阵。式(1)中两项分别对应于目标区域和待匹配区域中试验物边缘信息。当特征为u的像素全部出现在待匹配区域中的qu时，θ(p，q)取最小值，此时特征u对该区域的支持程度最高。

[0085] 结合原始数据进行调试试验结果表明，算法具有很强的鲁棒性，且计算结果精度非常的高，与实际得到的数据吻合，匹配偏差很小。

[0086] 运用初始轮廓选取模块，采用轮廓提取和轮廓跟踪的算法从归一化的序列图像中选取模型初始轮廓。

[0087] 再运用相变线提取模块采用融合形状先验特性的相变线跟踪算法，从模型初始轮廓中提取模型相变线。

[0088] 所述的融合形状先验特性的相变线跟踪算法采用基于差分信息且融合形状先验特性的C-V主动轮廓模型，所述的基于差分信息且融合形状先验特性的C-V主动轮廓模型为：

[0089] 假定Ω为R2中的有界开集， 为开集的边界，u0：Ω→R是给定的图像，假设图像u0是由有两个灰度值分别近似于常数c1和c2的区域组成，进一步假定要分割的对象的轮廓是Co，对象的点数值为u0(x，y)，那么在对象内部，有u0＝c1，而在对象外部有u0＝c2，则基于差分信息且融合形状先验特性的C-V主动轮廓模型的能量函数为：

[0090]

[0091]

[0092] 其中，φ(x，y)是水平集函数，I0(x，y)＝γ·(g(x，y)-k(x，y))，k(x，y)为归一化的序列图像中的初始图像，g(x，y)为归一化的序列图像中后序相变图像，γ为对比度增强的系数，u1，u2，α，λ1，λ2为各项的系数常量。根据欧拉-拉格朗日方程推导出使式(1)极小化的水平集函数φ满足的偏微分方程：

[0093]

[0094] 其中，φ为当前帧的水平集函数，φl为前帧的水平集函数，φ0为起始帧的水平集函数，H(x)，δ(x)分别为Heaviside函数和Dirac函数，在实际计算中，分别取：ε是一变量，具体取值为1；

[0095] 所述的融合形状先验特性的相变线跟踪算法包括以下步骤：

[0096] 1)选取归一化的序列图像的起始帧；

[0097] 2)通过间隔N帧，自动选取后序帧，通过差分及对比度的调整，得到差分变化的有效信息，完成对水平集函数φ的初始化；

[0098] 3)根据式(2)计算c1(φi，jn)，c2(φi，jn)，然后通过计算

[0099]

[0100]

[0101] 得到后帧的水平集函数φi，jn+1。τ为迭代步长，演化水平集函数，φi，jn为当前帧n+1 n-1的水平集函数，φi，j 为后帧的水平集函数，φi，j 为前帧的水平集函数；

[0102] 4)计算收敛条件Q＝∑i，j|φi，jn+1-φi，jn|，该式表示轮廓上的变化情况。取阈值ξ，若Q＜ξ，则认为收敛，迭代停止；反之则返回步骤3)继续处理；

[0103] 5)判别后序帧是不是最后一帧，如果是则退出，得到所需的所有归一化的序列图像的相变过程及精确模型相变线；不是则返回步骤2)继续运行。

[0104] 其中灰度修正采用线性单值函数对图像中的每一个像素做线性扩展，各参数取值2
如下：λ1＝λ2＝1，μ1＝0.02×255，μ2＝1，γ＝2，α＝1，τ＝0.1，ξ取200000，N为5，所得的模型相变线如附图3所示。图3中所示模型分为前后两个部分，图中前后两部分得到的相变线并无交互现象，且各部分相变线有且仅存在一条，符合现实意义。

[0105] 再采用模型参数输入模块，通过模型与模型初始轮廓大小的对应关系，输入模型参数；

[0106] 通过热图谱绘制与输出模块，利用所获得的模型相变线以及模型参数绘制出模型的热图谱，并进行输出，所得的模型热图谱如附图4所示，从附图4可以看出，热图谱的变化过程是缓慢的单调地向前递进变化的过程，符合实际的相变过程。

[0107] 本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。