目標分割——基於目標輪廓
目標分割將感興趣的區域從影象中分離並提取出來,也可看做基元檢測的一種推廣。兩類方法可用於目標分割:
- 基於目標輪廓
考慮目標與影象中 其他部分的界限,如果能確定目標輪廓,就可將目標與影象的其他部分分割開。在這種方法中,除了檢測出輪廓點再連線起來,還可以邊檢測輪廓點邊連線。 - 基於目標區域
考慮所有屬於目標區域的畫素,如果能確定出每個屬於目標的畫素就可以獲得完整的目標。通常是假設構成目標區域的畫素的灰度值大於某個特定的閾值,確定這個閾值把目標區分開。
輪廓搜尋
邊緣檢測方法可以檢測出目標輪廓上的邊緣點,將這些點看做目標的邊界點,將邊界點連線起來就可獲得目標輪廓,這可看做是一種基於輪廓的目標分割方法。
輪廓搜尋是邊檢測邊連線並最後獲得目標輪廓。邊檢測邊連線考慮了影象中的邊界的全域性資訊,在影象受噪聲影響較大時仍可獲得較為魯棒的結果。
圖搜尋
將邊界點和邊界線用圖結構表示。通過在圖中搜索對應最小代價的通道就可以找到閉合邊界,這就是圖搜尋方法。具有全域性性,受噪聲影響較小,但是方法複雜,計算量大。
在圖中搜索對應代價最小的通道時經常藉助影象中的邊緣資訊。定義圖中的邊緣元素是兩個互為4-近鄰的畫素間的邊界。如圖,畫素p和q之間的豎線以及q和r之間的橫線所示。目標的邊界或輪廓是由一系列邊緣元素構成的。
圖明天補
下圖所示為影象中的一個區域,各網格點代表畫素,括號內的數字代表各畫素的灰度值。設每個由畫素q和p確定的邊緣元素對應著一個代價函式:
H:影象中的最大灰度值;
圖明天補
搜尋圖中,每個結點對應一個邊緣元素,方框中的兩對數是邊緣元素兩邊的畫素座標。邊緣元素的代價標在圖中指向該元素的箭頭上,這個數值代表瞭如果用這個邊緣元素作為邊界的一部分所需要的代價。每條從起始結點到目標結點的通路都有可能是一個可能的邊界。
圖明天補
動態規劃
藉助啟發性知識加快了搜尋速度,但通常不能保證發現全域性最小代價通路。
演算法步驟如下:
- 將起始結點標記為OPEN並置
g(s)=0 - 如果沒有結點OPEN,失敗退出,否則繼續
- 將根據
r(n)=g(n)+h(n) 得到估計代價r(n) 為最小的OPEN結點標記為CLOSE - 如果n是目標結點,找到通路(可由n藉助指標上溯至s)退出,否則繼續
- 展開結點n,得到它的所有子結點(如果沒有子結點,返回第2步)
- 如果某個子結點
ni 還沒有標記,置r(ni)=g(n)+c(n,ni) ,標記為OPEN並將指向它的指標返回到n 如果子結點
ni 已經標記為OPEN或者CLOSE,根據g‘(ni)=min[g(ni),g(n)+c(n,ni)] 更新它的值。將g‘ 值減小的CLOSE子結點標記為OPEN, 並將原先指向所有其g‘ 值減小的子結點的指標重新指向n。返回第2步。未完待修
主動輪廓模型
主動輪廓模型是一種基於邊緣資訊的目標分割方法,先構建一個初步的影象中目標的封閉曲線,再通過逐步改變封閉曲線的形狀以逼近目標的真實輪廓。在對目標輪廓的逼近過程中,封閉曲線像蛇一樣不斷改變形狀,所以主動輪廓模型也成為蛇模型。
主動輪廓模型
一個主動輪廓模型是影象上一組排序點的集合,可表示為:
其中各個點可表示為:
處於輪廓上的點可通過解一個最小能量問題迭代地逼近目標的邊界,對每個處於
其中,
下圖解釋了初始輪廓逼近目標輪廓的過程。
其中
能量函式
略
參考
計算機視覺教程 A Course of Computer Vision 章毓晉編著