一种基于snake模型的轮廓提取方法

摘要

本发明涉及轮廓提取技术领域，且公开了一种基于snake模型的轮廓提取方法，包括以下步骤：A先使用相机或者摄像机对需要提取轮廓的物件进行动态或者静态拍摄，然后将拍摄到的画面进行前期初步处理，使得画面更加纯净和清晰；B然后将初步处理后的静态或者动态画面通过Hough变换，分析提取直线、圆、椭圆、二次曲线甚至是任意形状的边缘；C将通过Hough变换后的数据建立Snake模型。该基于snake模型的轮廓提取方法，通过改进Hough变换提取物件外边缘并利用几何信息确定Snake初始曲线，然后采用改进的Snake模型对物件轮廓进行匹配，在匹配过程中不断进行修正以使匹配结果更接近真实轮廓，试验证明，本文算法能精确的提取物件特征轮廓，提取精度更高。

权利要求

1.一种基于snake模型的轮廓提取方法，其特征在于，包括以下步骤：A先使用相机或者摄像机对需要提取轮廓的物件进行动态或者静态拍摄，然后将拍摄到的画面进行前期初步处理，使得画面更加纯净和清晰；

B然后将初步处理后的静态或者动态画面通过Hough变换，分析提取直线、圆、椭圆、二次曲线甚至是任意形状的边缘；

C将通过Hough变换后的数据建立Snake模型，对需要分析的通过迭代处理提取准确的目标轮廓。

2.根据权利要求1所述的一种基于snake模型的轮廓提取方法，其特征在于，所述步骤A中的相机或者摄像机均选取彩色模式进行拍摄。

3.根据权利要求1所述的一种基于snake模型的轮廓提取方法，其特征在于，所述Hough变换实现的是一种从图像空间到参数空间的映射关系。

4.根据权利要求1所述的一种基于snake模型的轮廓提取方法，其特征在于，所述Snake模型是一条可移动的闭合曲线，在来自曲线本身的内部力和来自图像数据的外部力作用下移动。当内部力和外部力达到平衡时，曲线停止移动。

5.根据权利要求1所述的一种基于snake模型的轮廓提取方法，其特征在于，所述Snake模型可用于边缘检测、形状建模、图像分割、运动跟踪等诸多领域。

说明书

一种基于snake模型的轮廓提取方法

技术领域

[0001] 本发明涉及轮廓提取技术领域，具体为一种基于snake模型的轮廓提取方法。

背景技术

[0002] 轮廓是体现物体特征的基本元素之一，有效的轮廓提取对于图像分割、图像分析以及图像理解具有重要意义，传统的轮廓提取是一种自底向上的过程，轮廓的提取完全依赖于从底层图像本身获取的信息，容易受到错误信息影响，造成误差并传播到上层应用，1987年Kass 等人提出的主动轮廓模型(Snake模型)融合了轮廓曲线特性、底层图像数据以及上层知识，解决了其间不可调和的矛盾，引起了学者们的广泛研究并产生了诸多应用。

[0003] 由于考虑了曲线本身特性，Snake模型提取的目标轮廓整体连续且平滑，但是Snake模型对轮廓线初始位置敏感，需要人工手动设置目标初始轮廓，造成了极大的不便。其次Snake模型容易受到目标附近较强噪声干扰，所以可能会影响轮廓的提取精度，导致轮廓提取精度下降，影响实际的提取效果。

发明内容

[0004] (一)解决的技术问题

[0005] 针对现有技术的不足，本发明提供了一种基于snake模型的轮廓提取方法，具备提取轮廓的精度更高等优点，解决了受噪声影响导致轮廓的提取精度下降的问题。

[0006] (二)技术方案

[0007] 为实现上述提取轮廓的精度更高的目的，本发明提供如下技术方案：一种基于snake模型的轮廓提取方法，包括以下步骤：

[0008] A先使用相机或者摄像机对需要提取轮廓的物件进行动态或者静态拍摄，然后将拍摄到的画面进行前期初步处理，使得画面更加纯净和清晰；

[0009] B然后将初步处理后的静态或者动态画面通过Hough变换，分析提取直线、圆、椭圆、二次曲线甚至是任意形状的边缘；

[0010] C将通过Hough变换后的数据建立Snake模型，对需要分析的通过迭代处理提取准确的目标轮廓。

[0011] 优选的，所述步骤A中的相机或者摄像机均选取彩色模式进行拍摄。

[0012] 优选的，所述Hough变换实现的是一种从图像空间到参数空间的映射关系。

[0013] 优选的，所述Snake模型是一条可移动的闭合曲线，在来自曲线本身的内部力和来自图像数据的外部力作用下移动，当内部力和外部力达到平衡时，曲线停止移动。

[0014] 优选的，所述Snake模型可用于边缘检测、形状建模、图像分割、运动跟踪等诸多领域。

[0015] (三)有益效果

[0016] 与现有技术相比，本发明提供了一种基于snake模型的轮廓提取方法，具备以下有益效果：该基于snake模型的轮廓提取方法，通过改进Hough变换提取物件外边缘并利用几何信息确定Snake初始曲线，然后采用改进的Snake模型对物件轮廓进行匹配，在匹配过程中不断进行修正以使匹配结果更接近真实轮廓，试验证明，本文算法能精确的提取物件特征轮廓，提取精度更高。

具体实施方式

[0017] 下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0018] 一种基于snake模型的轮廓提取方法，包括以下步骤：

[0019] A先使用相机或者摄像机对需要提取轮廓的物件进行动态或者静态拍摄，然后将拍摄到的画面进行前期初步处理，使得画面更加纯净和清晰；

[0020] B然后将初步处理后的静态或者动态画面通过Hough变换，分析提取直线、圆、椭圆、二次曲线甚至是任意形状的边缘；

[0021] C将通过Hough变换后的数据建立Snake模型，对需要分析的通过迭代处理提取准确的目标轮廓。

[0022] 其中，步骤A中的相机或者摄像机均选取彩色模式进行拍摄。

[0023] 其中，Hough变换实现的是一种从图像空间到参数空间的映射关系，它所实现的是一种从图像空间到参数空间的映射关系，Hough变

[0024] 其中，Snake模型是一条可移动的闭合曲线，在来自曲线本身的内部力和来自图像数据的外部力作用下移动。当内部力和外部力达到平衡时，曲线停止移动。

[0025] 其中，Snake模型可用于边缘检测、形状建模、图像分割、运动跟踪等诸多领域，采用Snake模型对目标轮廓检测的优势在于它直接给出了目标轮廓的数学表示，方便了后续对目标形状的处理，如识别等，并且由于处理是以整个轮廓为单位，而不是单独的像素点，大大增强了算法的鲁棒性。

[0026] 一条曲线x(s)＝[x(s)，y(s)]，s∈[0，1]在图像空间I(x，y)内运动，使如下能量函数最小： 式中内部能量为：

[0027] 分别用于控制曲线的弹性和平滑性，外部能量为： 或

[0028] 式中(x，y)为标准差为σ的高斯函数；

[0029] 为梯度算子，*代表卷积运算，

[0030] 要使能量函数最小，由变分原理，曲线x(s)满足欧拉方程：

[0031]

[0032] 式(5)可以看作力平衡方程：Fint+Fat＝0，式中

[0033] Fint＝ax′(S)-βx″″(S)，

[0034] 内部力Fint保持Snake曲线的连续性和平滑性，而外部力Fext将曲线拉向期望的目标边界，对方程(5)进行离散化然后迭代求解得：

[0035] xn＝(A+γI)(xn-1-FL(xn-1，yn-1))   (7a)

[0036] yn＝(A+γI)(yn-1-F，(xn-1，yn-1))   (7b)其中，xn，yn表示第n次迭代值是步长参数，A是依赖于α和β的矩阵，Fx和Fy为导数的有限差分近似， (x，y)是Snake曲线上的点。

[0037] 首先，采用边缘检测获得输入的边缘图像，我们将其定义为F，假设F中有N个边缘像素点 ，令一点A∈ ；F，其空间坐标为(xA ，yA) ，边缘梯度大小梯度方向角Φd＝tan-1(G，(A)/GL(A))，Gx(A)和Gy(A) 是点A的梯度分量，梯度方向角通过计算cos(Φd)＝GL(A)/Gd和sin(Φd)＝G，(A)/Gd得出(为便于表示，将cos(Φd)记为cA，sin(Φd)记为sA)，假设点A属于一系列圆的集合，则这些圆的圆心Cj位于直线LA上，LA定义如下：

[0038] Ld≡Ls(γl)＝(xd-γl·cd，yd-γl·Sd) 式中[rmin， rmax]是期望的半径范围。

[0039]

[0040] 对于与A属于同一圆的点B，LA和LB必然相交于点C，因此，存在rj＝R同时满足LA和LB，即C LA(R)LB(R)，这时，我们可以得出：

[0041] LA(R)LB(R)

[0042]

[0043] 其中Δx＝xA－xB，Δy＝yA－yB，Δc＝cA－cB，Δs＝sA－sB。

[0044] 由上述几何性质可知，当点A和点B的梯度向量GA和GB相交于垂直平分线段AB的直线P上一点C时，点A和点B可以被认为位于同一个圆上，为了便于描述，定义Γ(A，B)，当属于F的两点A和B 位于同一圆上时，Γ(A，B)为真，即：

[0045] Γ(A,B)ture{R[rmin,rmax]:LA(R)LB(R)}

[0046] 可能的点对(A，B)的数量为 其计算复杂度为O(N2)，然而，仅有为数不多的点对DΓ<

[0047] 我们的目标是要定位物件的外边缘，但实际输出中往往存在多个圆，为了使输出结果仅为物件的外边缘，需要定义一个阈值TH。

[0048] 假设位于圆(ai，bi，ri)上的像素点为：

[0049] qi(x ai)2(y bi)2ri2

[0050] 我们将该阈值定义为：

[0051] TH(i)qi/2

[0052] 对于满足参数(ai，bi，ri)的边缘像素点记为：

[0053] Qi(ri)2(x ai)2(y bi)2(ri)2

[0054] 式中是一个较小的值，例如1或2，如果Qi TH(i)则该圆不是期望的输出；如果Qi TH(i)，则圆有可能是期望的输出，对于可能为期望的若干个圆，选取半径最大的圆作为最终的结果，这样就能完成对物件轮廓的提取。

[0055] 先采用Hough变换实现的是一种从图像空间到参数空间的映射关系进行活动轮廓模型(Snake)匹配，在匹配过程中不断进行修正使检测结果更接近真实边缘。

[0056] Hough变换实现所实现的是一种从图像空间到参数空间的映射关系，由于具有一些明显优点和可贵性质，它引起了许多国内外学者和工程技术人员的普遍关注，例如，由于其根据局部度量来计算全面描述参数，因而对于区域边界被噪声干扰或被其他目标遮盖而引起边界发生某些间断的情况，它具有很好的容错性和鲁棒性，多年来，专家们对Hough变换的理论性质和应用方法进行了深入而广泛的研究，并取得了许多有价值的成果。

[0057] Snake模型的基本思想是使用连续曲线来模拟目标轮廓边缘，并定义一个以曲线为自变量的能量函数，以最小化能量函数为目的，通过内力与外力作用控制曲线变形并靠近目标轮廓，其中，内力表示曲线的内部能量，是控制曲线进行拉伸与弯曲的能量；外力表示曲线的外部能量，通常表示为图像梯度产生的图像能量(图像力)，可控制曲线向图像梯度大的方向移动，本实施例的Snake模型在此基础上，添加了形状约束能量，使模型曲线在迭代的过程当中，尽量克服一些较强噪声带来的干扰，定义目标轮廓边缘附近的参数曲线方程为v(s) ＝(x(s)，y(s))，其中s∈[0，1]表示数字图像中的一组离散控制点，x(s)和y(s)分别表示离散控制点的横坐标值和纵坐标值，这些点首尾相连组成目标轮廓线。

[0058] 将所述分割结果设置为Snake模型的初始轮廓，然后判断曲线迭代是否结束，如果曲线迭代没有结束，进行轮廓插值，清理相同的点并使轮廓曲线成为一条连续的曲线，然后进行曲线迭代位移，根据曲线能量、图像能量和形状约束能量作用，计算曲线每一轮迭代的偏移值并让曲线按值位移；如果曲线迭代结束，显示提取的目标轮廓

[0059] 本发明的有益效果是：通过改进Hough变换提取物件外边缘并利用几何信息确定Snake初始曲线，然后采用改进的Snake模型对物件轮廓进行匹配，在匹配过程中不断进行修正以使匹配结果更接近真实轮廓，试验证明，本文算法能精确的提取物件特征轮廓，提取精度更高。

[0060] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。