[發明專利]一種保持地標建筑形狀特征的自動符號化方法

在審

• 申請號: 201710545845.2
• 申請日: 2017-07-06
• 公開（公告）號: CN107463622A
• 公開（公告）日: 2017-12-12
• 發明（設計）人: 遆鵬;王儷穎;喻崇湖
• 申請（專利權）人: 西南交通大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06T7/11;G06T7/13
• 代理公司: 成都信博專利代理有限責任公司51200
• 代理人: 劉凱

1.一種保持地標建筑形狀特征的自動符號化方法，其特征在于，包括以下步驟：

步驟1：將目標實體對象從影像中分割出來；

步驟2：對分割后的圖像二值化，并提取實體對象的邊緣形態特征；

步驟3：對提取邊緣線結果矢量化，并采用保持關鍵點的線形狀簡化方法優化提取結果；

步驟4：存儲優化處理之后的符號結果。

2.根據權利要求1所述的保持地標建筑形狀特征的自動符號化方法，其特征在于，所述步驟1的具體步驟如下：

步驟1.1：影像數據初始化；

步驟1.2：進行能量最小化分割迭代；

步驟1.3：采用border matting對分割的邊界進行平滑處理。

3.根據權利要求2所述的保持地標建筑形狀特征的自動符號化方法，其特征在于，所述步驟1.1中初始化的具體步驟為：

步驟1.11：輸入影像數據，用z＝(z₁,z₂,…,z_N)表示圖像像素組成的數組，α＝(α₁,α₂,…,α_N)表示像素對應的不透明數組，其中0≤α_N≤1，α取0或1；對可能目標手動標定矩形框，方框外的像素全部作為背景像素T_B，方框內的像素作為前景像素T_U；

步驟1.12：遍歷T_B內的每一像素，初始化其標簽α_n＝0，即為背景像素；對T_U內的每個像素，初始化其標簽α_n＝1，即作為“可能是目標”的像素；

步驟1.13：分別用具有K個高斯分量的全協方差混合高斯模型對前景和背景區域的像素分別建立模型；其中K＝(k₁,...,k_n,...,k_N),k_n∈{1,2,...k}；

步驟1.14：從背景和前景各自相應的區域里獲取像素點，生成各自的灰度直方圖分布θ：

θ＝{π(α,k),μ(α,k),Σ(α,k),α＝0,1,k＝1...K}

式中，π表示每個高斯分量的權重，μ表示每個高斯分量的均值向量，∑表示RGB三個通道的協方差矩陣；

步驟1.15：計算每個混合高斯密度模型D：

D(x)=Σi=1Kπigi(x;μi,Σi)]]>

其中

且0≤π_i≤1

g(x;μ,Σ)=1(2π)d|Σ|exp[-12(x-μ)TΣ-1(x-μ)]]]>

對上式取負對數化簡為：

D(αn,kn,θ,zn)=-logπ(αn,kn)+12log detΣ(αn,kn)+12[zn-μ(αn,kn)]TΣ(αn,kn)-1[zn-μ(αn,kn)]]]>

步驟1.16：計算區域項U，表示一個像素被歸為目標或者背景的概率的負對數，以確定圖的t-link的權值：

U(α,k,θ,z)=ΣnD(αn,kn,θ,zn)]]>

步驟1.17：計算平滑項V，表示鄰域像素m和n之間的不連續的懲罰，在RGB空間中，采用歐式距離衡量兩像素的相似性，則n-link的權值通過下式確定：

V(α,z)=γΣ(m,n)∈Cdis(m,n)-1[αn≠αm]exp-β(zm-zn)2]]>

式中，γ為常數，β由圖像的對比度確定，即：

β＝(2((z_m-z_n)²))^-1

步驟1.18：計算整個圖形的Gibbs能量函數E：

E(α,k,θ,z)＝U(α,k,θ,z)+V(α,z)。