[發明專利]基于運動預測和三維約束的序列圖像分割方法

無效

• 申請號: 200710191036.2
• 申請日: 2007-12-04
• 公開（公告）號: CN101202916A
• 公開（公告）日: 2008-06-18
• 發明（設計）人: 董育寧;丁智
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04N7/32
• 分類號: H04N7/32;G06T17/00
• 代理公司: 南京經緯專利商標代理有限公司
• 代理人: 葉連生

技術領域

本發明屬于圖像處理技術領域，具體涉及一種基于運動預測和偏三維約束，并結合主動輪廓模型的圖像序列分割方法。

背景技術

三維圖像分割是圖像處理和計算機視覺中的一個重要研究領域，廣泛應用于計算機輔助三維重建、運動物體跟蹤以及醫學中細胞運動和形變的分析等應用領域。三維圖像或圖像序列與一般圖像的不同之處在于：序列圖像是針對同一目標，切片是由間隔相同的距離或時間連續采樣而得到的，因此對三維圖像的分割既與一般的圖像分割有相同之處，又有特殊之處。

傳統的主動輪廓模型都要求模型初始化在目標輪廓的附近，否則將可能收斂到錯誤的結果。而在三維圖像分割中對每一幅切片圖進行手工初始化是一種費時而繁瑣的工作，需要找到一種自動化的三維分割方法。

現有的基于主動輪廓模型的分割方法主要有：

1、預測法，預測法簡單易行，利用物體的輪廓一般都是平滑變化這一常識，用前面數個輪廓的位置，對初始位置的設置進行改進，在自動分割中，如何更精確的自動設定主動輪廓的初始位置非常重要，初始位置距離實際邊緣越接近，收斂到正確位置的可能性就越大。這種方法有一定效果，但沒有利用圖像本身的信息，有進一步改進的空間。

2、光流法，光流法利用光流場的方法迭代獲得圖像中物體運動的趨勢，這種趨勢以一個新的外力的形式影響收斂的結果，有較好的效果。但缺點是方法復雜，運算量比較大。而且沒有改善初始化位置，迭代次數也會比較多，會增加收斂的時間。

3、三維形變模型法，常規的三維形變模型法是把物體整體建立三維輪廓模型，雖然利用了相鄰圖像相關性信息但是模型復雜，計算量大，初始位置設置困難。如果能在二維輪廓模型中引入三維約束，則可以在二維模型的優點中加入三維模型的三維平滑的特點，更符合物體的實際特性。

發明內容

技術問題：本發明基于三維圖像序列的相似性，采用在視頻壓縮中常見的運動估計方法，并與偏三維約束相結合，提出了一種新的適用于三維圖像分割的方法。基于三維圖像具有三維平滑、連續變化等特性，本發明提出了一種新的圖像序列分割方法。該方法在計算過程中只需手動設置第一幅圖中主動形變模型的關鍵點位置。在其他圖像中，首先采用預測和視頻運動估計中常用的塊匹配法優化，在MPEG-4和H.26x中采用的都是這種塊匹配法，然后采用偏三維約束和梯度矢量流(GVF)，從初始化位置開始在圖像中進一步迭代收斂得到每幅圖像中的最終輪廓位置，在一般的二維平滑基礎上，達到三維平滑，三維分割的作用。本發明方法可以顯著提高分割的準確性以及速度。

技術方案：本發明公開了一種基于運動預測和三維約束的序列圖像分割方法，該方法包括如下步驟：

1)對數字圖像初始化：

11)在第一幀數字圖像輪廓線轉向的地方，交互式設置手動控制點，相鄰的兩個手動控制點之間均等生成控制點的初始位置；

12)迭代收斂，收斂到第一幅圖像中物體輪廓的邊沿，其過程如下：

121)采取加入控制點或合并控制點的方式來調節相鄰兩個控制點的間距，

122)由蛇的控制點的初始位置出發，以梯度矢量流場替代原圖像計算梯度值并作為外力，

123)計算第一層內能公式為E_int＝(x_i+1，j+x_i-1，j-2x_i，j)，x_i，j表示第j幅圖像中的第i個控制點的位置，E_int為內部能量，

124)計算合力公式E_snake＝E_int+E_image+E_constrain，計算出的合力為零來作為圖像收斂的條件，其中E_snake為能量函數，E_constrain為約束能量來限制控制點的運動，E_int為內部能量，E_image為外部能量，