CN103700095A - 基于圆形约束改进活动轮廓模型的原木端面图像分割算法 - Google Patents
基于圆形约束改进活动轮廓模型的原木端面图像分割算法 Download PDFInfo
- Publication number
- CN103700095A CN103700095A CN201310664251.5A CN201310664251A CN103700095A CN 103700095 A CN103700095 A CN 103700095A CN 201310664251 A CN201310664251 A CN 201310664251A CN 103700095 A CN103700095 A CN 103700095A
- Authority
- CN
- China
- Prior art keywords
- level set
- contour model
- circle
- phi
- end surface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
基于圆形约束改进活动轮廓模型的原木端面图像分割算法包括以下步骤:初始化轮廓线水平集φ(x,y,t=0)=0,运用改进的活动轮廓模型来控制演化水平集函数,完成原木端面图像的预分割,然后将预分割轮廓曲线所对应的单水平集φ分裂为n个水平集函数φi(i=1,…,n,n为待分割的目标个数),以φi作为初始轮廓线,重新初始化为符号距离函数,设置适当的圆形约束系数τ,然后利用基于圆形约束改进的活动轮廓模型对各个水平集进行再分割,得到最终的原木端面轮廓线,完成分割。本发明的方法同时利用了改进CV模型和LIF模型的优点,结合图像的全局和局部信息,可以有效避免图像非目标区域及噪声的干扰,而且计算简单,速度较快,对原木端面的分割效果好。对实现原木端面的精确测量、加工具有重要意义。
Description
所属技术领域
本发明涉及一种图像分割算法,尤其涉及一种基于圆形约束改进活动轮廓模型的原木端面图像分割算法。
背景技术
以往在木材测量、加工生产环节中,采用人工检尺检测原木端面,不仅效率低、危险系数高,而且由于人为因素造成的误差也较大。随着数字图像处理技术的发展,利用采集到的原木端面图像就可以自动、准确、高效的完成检尺任务。其中,原木端面准确分割是原木检测以及自动化加工的基础。黄永林等人在文献1“一种新的快速Hough变换圆检测方法”(电子测量与仪器学报,2010,24(9))提出了一种Hough变换圆检测方法,可以有效的检测简单图像中的圆形目标,其原理是对图像上的点进行坐标变换,将图像空间对应到参数空间,进而检测给定的图像是否具有给定性质的曲线,但是其计算量大,占用内存空间大,对于噪声比较敏感。由于户外光照不均匀,图像背景复杂且与前景原木端面的相似度较高,直接运用圆检测方法较难取得理想的原木端面分割效果。近20年来,基于曲线演化理论的活动轮廓模型在边缘检测、图像分割以及视觉跟踪中有了很大发展和广泛应用。Kass等人在1988年提出了经典的参数活动轮廓模型(snake模型)。之后各种改进模型层出不穷,大致上分为两类,参数化活动轮廓模型和几何化模型。其中,几何活动轮廓模型采用水平集方法实现曲线演化,不但能够灵活处理演化曲线的拓扑变化,而且对轮廓拥有较大的捕获范围。基本思想将曲线演化转化成高维函数超曲面等值点的集合的更新问题,通过跟踪零水平集的演化过程隐含地求解轮廓曲线。Chan和Vese提出的一种简化的基于水平集方法的区域最优化模型(简称CV模型),利用图像的全局信息能够有效克服背景噪声和杂波的影响,同时保持了水平集方法处理拓扑结构变化的优点,能有效处理边界模糊或者分散目标的分割问题,具有良好的抗噪性,算法实现简单并且收敛较快。为了分割灰度不均匀图像,很多学者相继提出了CV模型的改进模型。Li C等人在文献2“Implicit active contours driven by local binary fitting energy”(Computer Vision and Pattern Recognition,2007)中提出了局部二值拟合模型(local binary fitting,LBF),其利用局部图像信息作为约束,准确率和计算效率都要高于CV模型。刘瑞娟等人在文献3“融合局部和全局图像信息的活动轮廓模型”(计算机辅助设计与图形学学报,2012,24(3))提出了一种融合图像局部与全局信息的的活动轮廓模型,对初始轮廓不敏感且能分割灰度不均匀图像。同时在水平集方法中加入形状先验知识可以有效排除非目标形状噪声的干扰,魏颖等人在文献4“基于圆形约束CV水平集的肺部CT图像病灶分割”(中国图象图形学报,2008,13(6))提出了基于圆形约束的CV模型,该模型可以有效分割出目标图像的圆形目标而排除非圆形目标轮廓的干扰,但其只利用了图像的全局信息,同时曲线演化过程中需要不断更新约束圆形的圆心坐标及半径,计算效率低。以上所述均为基于基于圆形约束的改进活动轮廓模型提供了理论依据。
发明内容
本发明的目的是提供一种基于圆形约束改进活动轮廓模型的原木端面图像分割算法,该算法采用圆形约束的改进活动轮廓模型来控制初始轮廓曲线的演化,通过跟踪零水平集的演化过程隐含地求解原木端面轮廓,完成原木端面的分割。其中基于圆形约束的改进活动轮廓模型结合针对自然条件下原木端面图像背景复杂,但是边缘清晰的特点,一方面,改进传统CV(Chan and Vese)模型,融入图像边缘梯度信息,去掉计算复杂耗时的曲率项。另一方面,结合局部图像拟合(local image fitting,LIF)模型,考虑到原木端面大致都为圆形,在模型中加入圆形约束信息,约束轮廓线的演化形状。它同时利用了改进CV模型和LIF模型的优点,结合图像的全局和局部信息,可以有效避免图像非目标区域及噪声的干扰,而且计算简单,速度较快,对原木端面的分割效果好。
为了达到上述目的,本发明采用如下技术方案:
基于圆形约束改进活动轮廓模型的原木端面分割算法,包括以下步骤:
(1)初始化初始轮廓线水平集φ(x,y,t=0)=0,分别计算改进活动轮廓模型各分量的值,设圆形约束系数τ=0,运用改进活动轮廓模型来控制演化水平集函数φ,在迭代演化过程中对水平集函数φ进行高斯滤波,φ=Gρ*φ,其中,标准差(Δt为时间步长),高斯窗口的大小为n*n,完成图像预分割,得到所有目标的近似轮廓。
(2)然后将预分割轮廓曲线所对应的单水平集φ分裂为n个水平集函数φi(i=1,…,n,n为待分割的目标个数),以φi作为初始轮廓线,重新初始化为符号距离函数,设置适当的圆形约束系数τ,然后利用基于圆形约束改进的活动轮廓模型对各个水平集进行再分割,得到最终的原木端面轮廓线,完成分割。
算法所述的基于圆形约束改进活动轮廓模型的能量方程为E(φ,c2)=ECV(C,c2)+ELIF(φ)+τEshape(φ),当圆形约束系数τ=0时,得到改进活动轮廓模型的能量方程为E(φ,c2)=ECV(C,c2)+ELIF(φ)。采用水平集方法,模型控制水平集演化的偏微分方程表达式为:φ为水平集函数,H(z)和δ(z)分别是Heaviside函数和Dirac函数,其中LIF分量为(I-ILFI)(m1-m2)δε(φ),I为图像上点的灰度值,m1和m2是由σ决定的高斯窗口范围内像素点加权平均灰度,是一种局部分量,ILFI(x)=m1Hε(φ)+m2(1-Hε(φ))。改进的CV分量为其c2为演化曲线外部灰度值拟合,其计算表达式为τ为圆形约束系数,圆形约束分量的表达式为X表示图像上的点(x,y),ζ为一个很小的常数,形状函数的圆形中心O和半径r计算表达式分别为
附图说明
图1是基于圆形约束的改进活动轮廓模型的原木端面分割算法流程图;
图2是实验用的单根原木端面图像;
图3是初始轮廓线图像及分割结果;
图4是实验用多根原木端面图像及其分割结果;
具体实施方式:
图1是基于圆形约束改进活动轮廓模型的原木端面图像分割算法流程图;本发明的基于圆形约束改进活动轮廓模型的原木端面图像分割算法包括以下步骤:
(1)初始化初始轮廓线水平集φ(x,y,t=0)=0,分别计算各模型分量表达式的值,设圆形约束系数τ=0,对原木端面图像进行预分割,在曲线迭代演化过程中对水平集函数φ进行高斯滤波,φ=Gρ*φ,其中,标准差(Δt为时间步长),高斯窗口的大小为n*n。
(2)将预分割得到的单个水平集φ分裂为N个水平集函数φi(n为待分割原木个数),以φi作为初始轮廓线,设置适当的圆形约束系数τ,对每个水平集函数分别用本发明的基于圆形约束改进活动轮廓模型进行再分割。
(3)轮廓线演化停止时,所有的的零水平集曲线就是原图像的原木端面轮廓线,完成原木端面的分割。
图2是实验所用的单根原木端面图像。
图3是图2的初始轮廓线图像及本文算法的分割结果图像。从实验结果可以看出,基于圆形约束改进的活动轮廓模型准确分割出原木端面,克服了背景区域轮廓线的干扰。
图4是实验所用的多根原木端面图像及其分割结果。通过上述分割方法分割多个原木端面图像,可以看出本文算法能够有效克服背景区域非圆形目标的干扰,正确地对实验图像进行分割,实验速度较快。
Claims (3)
1.基于圆形约束的改进活动轮廓模型的原木端面图像分割算法,包括以下步骤:
(1)初始化轮廓线水平集φ(x,y,t=0)=0,分别计算改进活动轮廓模型各分量的值,运用改进的活动轮廓模型来控制演化水平集函数φ,在迭代演化过程中对水平集函数φ进行高斯滤波,φ=Gρ*φ,其中,标准差(Δt为时间步长),高斯窗口的大小为n*n,完成图像预分割,得到所有目标的近似轮廓。
(2)然后将预分割轮廓曲线所对应的单水平集φ分裂为n个水平集函数φi(i=1,…,n,n为待分割的目标个数),以φi作为初始轮廓线,重新初始化为符号距离函数,设置适当的圆形约束系数τ,然后利用基于圆形约束改进的活动轮廓模型对各个水平集进行再分割,得到最终的原木端面轮廓线,完成分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310664251.5A CN103700095A (zh) | 2013-12-10 | 2013-12-10 | 基于圆形约束改进活动轮廓模型的原木端面图像分割算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310664251.5A CN103700095A (zh) | 2013-12-10 | 2013-12-10 | 基于圆形约束改进活动轮廓模型的原木端面图像分割算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103700095A true CN103700095A (zh) | 2014-04-02 |
Family
ID=50361614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310664251.5A Pending CN103700095A (zh) | 2013-12-10 | 2013-12-10 | 基于圆形约束改进活动轮廓模型的原木端面图像分割算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103700095A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243666A (zh) * | 2015-10-09 | 2016-01-13 | 南宁博创信息技术开发有限公司 | 基于Hough变换与几何主动轮廓的医学MR图像分割方法 |
CN107330897A (zh) * | 2017-06-01 | 2017-11-07 | 福建师范大学 | 图像分割方法及其系统 |
CN107452014A (zh) * | 2017-07-11 | 2017-12-08 | 中国农业科学院农业信息研究所 | 一种图像分割方法及装置 |
CN107838660A (zh) * | 2017-12-14 | 2018-03-27 | 北京信息科技大学 | 一种面向垂直装配的夹具底面自动避让机构 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177454A (zh) * | 2011-12-24 | 2013-06-26 | 南京理工大学常熟研究院有限公司 | 一种动态图像运动目标检测方法 |
-
2013
- 2013-12-10 CN CN201310664251.5A patent/CN103700095A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177454A (zh) * | 2011-12-24 | 2013-06-26 | 南京理工大学常熟研究院有限公司 | 一种动态图像运动目标检测方法 |
Non-Patent Citations (3)
Title |
---|
KAIHUA ZHANG等: "Active contours with selective local or global segmentation: A new formulation and level set method", 《IMAGE AND VISION COMPUTING》, vol. 28, no. 4, 30 April 2010 (2010-04-30), pages 668 - 676, XP026872924 * |
卢振泰等: "基于熵和局部邻域信息的高斯约束CV模型", 《计算机学报》, vol. 36, no. 5, 31 May 2013 (2013-05-31), pages 1076 - 1085 * |
魏颖等: "基于圆形约束C-V水平集的肺部CT图像病灶分割", 《中国图象图形学报》, vol. 13, no. 6, 30 June 2008 (2008-06-30), pages 1148 - 1152 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243666A (zh) * | 2015-10-09 | 2016-01-13 | 南宁博创信息技术开发有限公司 | 基于Hough变换与几何主动轮廓的医学MR图像分割方法 |
CN107330897A (zh) * | 2017-06-01 | 2017-11-07 | 福建师范大学 | 图像分割方法及其系统 |
CN107330897B (zh) * | 2017-06-01 | 2020-09-04 | 福建师范大学 | 图像分割方法及其系统 |
CN107452014A (zh) * | 2017-07-11 | 2017-12-08 | 中国农业科学院农业信息研究所 | 一种图像分割方法及装置 |
CN107838660A (zh) * | 2017-12-14 | 2018-03-27 | 北京信息科技大学 | 一种面向垂直装配的夹具底面自动避让机构 |
CN107838660B (zh) * | 2017-12-14 | 2023-11-17 | 北京信息科技大学 | 一种面向垂直装配的夹具底面自动避让机构 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103727930B (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN103400151B (zh) | 一体化的光学遥感影像与gis自动配准与水体提取方法 | |
CN105046688B (zh) | 一种三维点云中的多平面自动识别方法 | |
CN103295232B (zh) | 基于直线和区域的sar图像配准方法 | |
CN103955939A (zh) | 三维扫描系统中点云拼接用边界特征点配准方法 | |
CN104008553A (zh) | 融合影像梯度方向直方图和分水岭方法的裂缝检测方法 | |
CN103617328A (zh) | 一种飞机三维姿态解算方法 | |
CN102938066A (zh) | 一种基于多元数据重建建筑物外轮廓多边形的方法 | |
CN104484868B (zh) | 一种结合模板匹配和图像轮廓的运动目标航拍跟踪方法 | |
CN102279929B (zh) | 一种基于对象语义树模型的遥感人造地物目标识别方法 | |
CN103679734A (zh) | 基于svm和pde的有眼台风二维表面风场反演方法 | |
CN104361590A (zh) | 一种控制点自适应分布的高分辨率遥感影像配准方法 | |
CN103363962A (zh) | 一种基于多光谱影像的湖泊水储量遥感估算方法 | |
CN111007531A (zh) | 一种基于激光点云数据的道路边沿检测方法 | |
CN104063702A (zh) | 一种基于遮挡修复和局部相似性匹配的三维步态识别方法 | |
CN107607107A (zh) | 一种基于先验信息的Slam方法和装置 | |
CN102779346A (zh) | 基于改进c-v模型的sar图像变化检测方法 | |
CN106886980A (zh) | 一种基于三维激光雷达目标识别的点云密度增强的方法 | |
CN103106632A (zh) | 一种基于均值漂移的不同精度三维点云数据的融合方法 | |
CN103700095A (zh) | 基于圆形约束改进活动轮廓模型的原木端面图像分割算法 | |
CN103871062A (zh) | 一种基于超像素描述的月面岩石检测方法 | |
CN107316328A (zh) | 一种基于二维激光扫描仪角点特征的闭环检测方法 | |
CN105469408A (zh) | 一种sar图像建筑群分割方法 | |
CN104331885A (zh) | 一种基于投票线聚类的圆形目标检测方法 | |
CN106127682A (zh) | 一种顾及海岸线地理特征约束的可控分形插值方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140402 |