基于GSA的凹形圖像分割方法技術

本發明專利技術公開了一種基于GSA的凹形圖像分割方法，首先對原始圖像進行灰度處理，然后使用GSA模型完成初始蛇素的收斂，最后通過貪婪算法完成蛇素的最終收斂；本發明專利技術的方法對圖像進行歸一化處理，均衡連續力、彎曲力和圖像力，在保證蛇素原始序列的前提下，讓蛇素進快速、均勻地擬合到目標輪廓周圍，特別是擬合到圖像的凹形區域中，保留了GSA模型高效率計算優勢的同時，提高了輪廓提取的精度，特別是所提出的方法很好的處理了凹形目標輪廓提取問題。

Concave image segmentation method based on GSA

The invention discloses a segmentation method of concave image based on GSA, firstly the original gray-scale image processing, and then use the GSA model to complete the initial convergence of snaxel, finally completed snaxel converge by greedy algorithm; the method of the invention to normalize the image, balanced continuous force, bending force and image force, under the premise of ensuring snaxel original sequence, let snaxel into rapid and uniform fitting to the target contour around, especially fitting to the image of the concave region, retains the GSA model calculation efficiency advantages, improve the accuracy of contour extraction, especially the proposed method very good processing the concave contour extraction problem.

【技術實現步驟摘要】
基于GSA的凹形圖像分割方法
本專利技術涉及一種基于GSA的凹形圖像分割方法
技術介紹
在計算機視覺的研究中，傳統的目標檢測主要是通過一個自底向上的過程對圖像進行分割和邊緣檢測。此過程較少考慮目標本身所具有的特征，因此有效性不足。Snake模型又稱為主動輪廓模型，最早由Kass等人提出，該方法已在圖像分割、檢測、識別等領域中被廣泛使用。不同于傳統圖像分割方法，Snake模型充分利用了目標圖像本身的特質，把圖像的大小、位置、形狀等信息與圖像的灰度、梯度等特征相結合。目前，Snake模型已成為圖像目標檢測最為常用的方法。傳統的Snake模型存在一些問題，如外力捕捉范圍較小、進入凹陷區域困難、拓撲不變等。特別是在處理凹形圖時，基本的Snake模型通常無法收斂到凹陷區域。為彌補上述不足，一些改進算法被相繼提出，其中較為成功的是Xu等人提出GVF模型，已經應用到很多凹形圖像分割的實際問題，但該模型對于一些內陷曲率較大的凹形圖，效果仍不理想。此外，GVF模型是由基本的Snake模型進行改進得到，基本的Snake模型的能量函數需要運用較多的一階求導、二階求導以及積分運算，因此存在計算量大、計算效率不高的問題，GVF模型同樣存在這方面問題。貪婪蛇算法(GreedySnakeAlgorithm，GSA)，是一種改進較大且較為成功的Snake模型。GSA算法借鑒了Snake模型的外力、內力綜合作用于蛇素點的基本思想，卻采用了不同于傳統Snake模型的能量函數，特別是GSA的能量函數無需完成大量的求導和積分運算，因此具有較高的計算效率。傳統的GSA算法中，能量函數中圖像力的取值范圍過大，進而使得綜合力幾乎完全被圖像力影響,GSA模型的不足在于無法提取凹形圖像的輪廓。
技術實現思路
本專利技術要解決的技術問題是：針對Snake模型計算效率低、處理凹形圖像效果不理想的問題，設計一種基于GSA的凹形圖像分割方法，該方法對圖像進行歸一化處理，均衡連續力、彎曲力和圖像力，在保證蛇素原始序列的前提下，讓蛇素進快速、均勻地擬合到目標輪廓周圍，特別是擬合到圖像的凹形區域中。本專利技術解決技術問題的技術方案是：首先對原始圖像進行灰度處理，然后使用一種改進的GSA模型完成初始蛇素的收斂，最后通過一種貪婪算法完成蛇素的最終收斂；包括如下具體步驟：步驟1：對圖像進行灰度預處理；步驟2：在圖像中確定目標邊界為初始輪廓點，即蛇素；步驟3：借助GSA算法，通過外力和內力，使用對由蛇素連接而成的曲線進行變形，使所有蛇素能量之和最小化，使初始蛇素最終移動到目標輪廓邊緣位置，并確保蛇素之間有序且均勻分布，完成蛇素的初始收斂；步驟4：使用貪婪策略完成蛇素的最終收斂，所有的蛇素鎖定到圖像待分割目標的邊界上，特別是圖像的凹陷區域；步驟5：順序連接蛇素，形成目標輪廓，完成圖像分割。更具體地，所述步驟1中，按照下述計算過程對圖像進行灰度預處理：灰度預處理的公式為：Gray(v(i),j)'＝(Δ1'R(v(i),j)+Δ2'G(v(i),j)+Δ3'B(v(i),j))＞＞k上式中，Gray(v(i),j)表示某個像素點v(i)的灰度值，公式R(v(i),j)、G(v(i),j)、B(v(i),j)分別表示紅色、綠色、藍色通道值，△1、△2、△3作為權重系數，k表示位移系數，其中，△1＝38，△2＝75，△3＝15，k＝7。更具體地，所述步驟3中，按照下述計算過程完成蛇素的初始收斂；假設蛇素序列由N個蛇素點組成，綜合力函數如下：v(i)表示第i個蛇素，j為i蛇素鄰域Gpi內的第j個像素，j的取值與蛇素的一步移動距離δ有關；一步移動計算方法為：j＝i±δk，δ∈{0,1,2，...}，δ表示蛇素點一步移動距離；Econt表示連續力，Ecurv表示彎曲力，Eimage表示圖像力；α、β、γ是伸縮參數用來控制各組成部分的權重關系；整個GSA的計算目標是：在蛇素點i的鄰域Gpi中計算出一個像素點使綜合力E(v(i),j)值最小化，并將其作為下一步移動的蛇素點；Econt連續力的計算方法如下：其中，dv(i,j)-v(i+1)表示第i個蛇素鄰域Gpi中的第j個像素與第i+1個蛇素的直線距離；davr表示所有蛇素點之間的平均距離，計算方法為連續力Econt計算目標在于：發現Gpi中與i+1蛇素距離最接近于平均距離的一個像素點，作用在于控制蛇素點在輪廓空間內的均勻分布程度；每一輪迭代后davr需要重新計算；彎曲力Ecurv的能量函數如下:上式中，|v(i-1)-2v(i,j)+v(i+1)|表示對i-1、i+1個蛇素與Gpi中的像素j進行和向量計算；彎曲力Ecurv的計算目標在于：發現Gpi中與前后兩個蛇素點構成向量夾角最小的像素點，作用在于蛇素點的平滑程度；圖像力的具體能量函數Eimage如下:其中I(v(i),j)表示Gpi中第j個像素點的梯度值；min(v(i),j)表示Gpi所包含的像素的最小梯度值；圖像力Eimage的計算目標在于：發現Gpi中梯度值最大像素點。更具體地，所述步驟4中，按照下述計算過程通過貪婪算法完成蛇素的最終收斂：步驟(4.1):將初始輪廓視作一個N邊形，則該N邊形的中心被記錄為參考點p(x,y)；若參考點在輪廓區域內，跳轉至步驟(4.4)；若參考點在輪廓區域外，則順序執行步驟(4.2)；步驟(4.2):以參考點p(x,y)為端點，通過每個蛇素v(i)構造出N條射線L(i)，i＝1,2,…,N；步驟(4.3):對于每條與輪廓相交的射線Lp，p＝1,2,3,…n找到其交點坐標并且依次記錄，則這N個數據點表示為p(xi,yi)(i＝1,2,3,…,n)，并且算出每條射線上蛇素點與輪廓交點的中點坐標M(xi,yi)(i＝1,2,3,…,n)；由這N/2組成的中點坐標M(xi,yi)(i＝1,2,3,…,n)算出最后的參考點為：步驟(4.4):以參考點p(x,y)作為此當前蛇形模型能量函數Eimage的中心，構造出n條射線Lj(j＝1,2,…,n)，從當前參考點p(x,y)發出到此迭代i次后的輪廓邊緣；此時，兩條相鄰直線的夾角為2π/n；步驟(4.5):以參考點p(x,y)作為此當前蛇形模型能量函數Eimage的中心，構造出n條射線Lj(j＝1,2,…,n)，從當前參考點p(x,y)發出到此迭代i次后的輪廓邊緣；此時，兩條相鄰直線的夾角為2π/n；步驟(4.6):對于每條直線Lj(j＝1,2,…,n)，我們定義Pv(i,j)是此直線Lj上的第i個點，計算每個點的梯度Gv(i,j)，選取這條線上梯度最大值max{Gv(i,j)}作為收斂的最終點，即蛇素的最終位置。本專利技術具有以下優點：(1)一些圖像分割問題中，原始圖像往往存在斑點粗糙、噪點干擾等問題；本專利技術的灰度預處理使得原始圖像的特征更加明顯，灰度處理使圖像邊緣化得到加強，去噪、銳化程度也相應地提高。(2)在整個能量函數進行極小化的過程中，連續力能量函數使蛇素均勻分布于當前目標輪廓，彎曲力能量函數使其輪廓盡可能平滑，圖像力使蛇素盡可能地停留在高梯度像素點；三個力同時作用，蛇素在外力的作用下不斷向真實具體的輪廓進行移動，內力在保持蛇素拓撲性較好的同時隨著蛇素點的移動而不斷變化著，最終內力和外力相互制約形成一個較好的初本文檔來自技高網...

【技術保護點】
基于GSA的凹形圖像分割方法，其特征是：首先對原始圖像進行灰度處理，然后使用GSA模型完成初始蛇素的收斂，最后通過貪婪算法完成蛇素的最終收斂；它包括如下步驟：步驟1：對圖像進行灰度預處理；步驟2：在圖像中確定目標邊界為初始輪廓點，即蛇素；步驟3：借助GSA算法，通過外力和內力，使用對由蛇素連接而成的曲線進行變形，使所有蛇素能量之和最小化，使初始蛇素最終移動到目標輪廓邊緣位置，并確保蛇素之間有序且均勻分布，完成蛇素的初始收斂；步驟4：使用貪婪策略完成蛇素的最終收斂，所有的蛇素鎖定到圖像待分割目標的邊界上，特別是圖像的凹陷區域；步驟5：順序連接蛇素，形成目標輪廓，完成圖像分割。

【技術特征摘要】
1.基于GSA的凹形圖像分割方法，其特征是：首先對原始圖像進行灰度處理，然后使用GSA模型完成初始蛇素的收斂，最后通過貪婪算法完成蛇素的最終收斂；它包括如下步驟：步驟1：對圖像進行灰度預處理；步驟2：在圖像中確定目標邊界為初始輪廓點，即蛇素；步驟3：借助GSA算法，通過外力和內力，使用對由蛇素連接而成的曲線進行變形，使所有蛇素能量之和最小化，使初始蛇素最終移動到目標輪廓邊緣位置，并確保蛇素之間有序且均勻分布，完成蛇素的初始收斂；步驟4：使用貪婪策略完成蛇素的最終收斂，所有的蛇素鎖定到圖像待分割目標的邊界上，特別是圖像的凹陷區域；步驟5：順序連接蛇素，形成目標輪廓，完成圖像分割。2.根據權利要求1所述的基于GSA的凹形圖像分割方法，其特征是：所述步驟1中，按照下述計算過程對圖像進行灰度預處理：灰度預處理的公式為：Gray(v(i),j)'＝(Δ1'R(v(i),j)+Δ2'G(v(i),j)+Δ3'B(v(i),j))＞＞k上式中，Gray(v(i),j)表示某個像素點v(i)的灰度值，公式R(v(i),j)、G(v(i),j)、B(v(i),j)分別表示紅色、綠色、藍色通道值，△1、△2、△3作為權重系數，k表示位移系數，其中，△1＝38，△2＝75，△3＝15，k＝7。3.根據權利要求1所述的基于GSA的凹形圖像分割方法，其特征是：所述步驟3中，按照下述計算過程完成蛇素的初始收斂；假設蛇素序列由N個蛇素點組成，綜合力函數如下：v(i)表示第i個蛇素，j為i蛇素鄰域Gpi內的第j個像素，j的取值與蛇素的一步移動距離δ有關；一步移動計算方法為：j＝i±δk，δ∈{0,1,2，...}，δ表示蛇素點一步移動距離；Econt表示連續力，Ecurv表示彎曲力，Eimage表示圖像力；α、β、γ是伸縮參數用來控制各組成部分的權重關系；整個GSA的計算目標是：在蛇素點i的鄰域Gpi中計算出一個像素點使綜合力E(v(i),j)值最小化，并將其作為下一步移動的蛇素點；Econt連續力的計算方法如下：其中，dv(i,j)-v(i+1)表示第i個蛇素鄰域Gpi中的第j個像素與第i+1個蛇素的直線距離；davr表示所有蛇素點之間的平均距離，計算方法為連續力Econt計算目標在于：發現Gpi中與i+1蛇素距離最接近于平均距離的一個像素點，作用在于控制蛇素點在輪廓空間內的均勻分布程度；每一輪迭代后davr需要重新計算；彎曲力Ecurv的能量函數如下:上式中，|v(i-1)-2v(i,j)+v(i+1)|表示對i-1、i+1個蛇素與Gpi中的像素j進行和向量計算；彎曲力Ecurv的計算目標在于：發現Gpi中與前后兩個蛇素點構成向量夾角最小的像素點，作用在于蛇素點的平滑程度；圖像力的具體能量函數Eimage如下:其中I(v(i),j)表示Gpi中第j個像素點的梯度值；min(v(i),j)表示Gpi所包含的像素的最小梯度值；圖像力Eimage的計算目標在于：發現Gpi中梯度值最大像素點。4.根據權利要求1所述的基于GSA的凹形圖像分割方法，其特征是：所述步驟4中，按照下述計算過程通過貪婪算法完成蛇素的最終收斂：步驟(4.1):將初始輪廓視作一個N邊形，則該N邊形的中心被記錄為參考點p(x,y)；若參考點在輪廓區域內，跳轉至步驟(4.4)；若參考點在輪廓區域外，則順序執行步驟(4.2)；步驟(4.2):以參考點p(x,y)為端點，通過每個蛇素v(i)構造出N條射線L(i)，i＝1,2,…,N；步驟(4.3):對于每條與輪廓相交的射線Lp，p＝1,2,3,…n找到其交點坐標并且依次記錄，則這N個數據點表示為p(xi,yi)(i＝1,2,3,…,n)，并且算出每條射線上蛇素點與輪廓交點的中點坐標M(xi,yi)(i＝1,2,3,…,n)；由這N/2組成的中點坐標M(xi,yi)(i＝1,2,3,…,n)算出最后的參考點為：步驟(4.4):以參考點p(x,y)作為此當前蛇形模型能量函數Eimage的中心，構造出n條射線Lj(j＝1,2,…,n)，從當前參考點p(x,y)發出到此迭代i次后的輪廓邊緣；此時，兩條相鄰直線的夾角為2π/n；步驟(4.5):以參考點p(x,y)作為此當前蛇形模型能量函數Eimage的中心，構造出n條射線Lj(j＝1,2,…,n)，從當前參考點p(x,y)發出到此迭代i次后的輪廓邊緣；此時，兩條相鄰...

【專利技術屬性】
技術研發人員：程樂，宋艷紅，史夢安，王志勃，徐義晗，潘永安，劉萬輝，郜繼紅，郭艾華，黃麗萍，
申請(專利權)人：淮安信息職業技術學院，
類型：發明
國別省市：江蘇,32