數字圖像中目標物體多尺度捕捉方法技術

本申請公開了一種數字圖像中目標物體多尺度捕捉方法，包括多尺度捕捉的變分模型，模型的交替迭代求解算法，以及求解過程中第三個子問題的ADMM求解算法。具體包括以下步驟：步驟1：確定目標的多尺度捕捉變分模型；步驟2：采用交替迭代法求解該模型的泛函極小值；步驟3：根據求解的極小值的來確定捕捉結果是否滿意，如果滿意，結束；如果不滿意，則返回步驟1對模型的參數進行調整，然后求解泛函極小值，直到結果滿意。本申請通過求解一個變分模型，調整一個參數，實現數字圖像中目標物體的多尺度捕捉。多尺度的捕捉結果可以為后續的模式識別、圖像檢索等圖像分析任務提供技術支持。

Multi scale capturing method of target object in digital image

The invention discloses a multi-scale object in a digital image capture method, including capture multiscale variational model of alternating iterative algorithm model, ADMM algorithm for solving third subproblems and solving the process. It includes the following steps: Step 1: determine the target capture multiscale variational model; step 2: using the alternating iteration method for solving functional minimum value of the model; step 3: according to the minimum solution to determine the capture results are satisfactory, if satisfied with the end; if not, the parameters of return to step 1 the model is adjusted, and then solving functional minimum value, until satisfactory results. In this application, a variable model is used to adjust a parameter to achieve multi-scale capture of target objects in digital images. Multi scale capture results can provide technical support for image analysis tasks such as pattern recognition, image retrieval and so on.

【技術實現步驟摘要】
數字圖像中目標物體多尺度捕捉方法
本申請屬于數字圖像處理
，具體地說，涉及數字圖像中目標物體多尺度捕捉方法。
技術介紹
數字圖像中的目標物體的捕捉就是把圖像分成若干個特定的、具有獨特性質的區域并捕獲感興趣目標的技術和過程。它是由圖像處理到圖像分析的關鍵步驟。現有的目標捕捉方法主要分以下幾類：基于像素值閾值的方法、基于灰度區域的方法、基于目標邊緣的方法以及基于特定理論的捕捉方法等。圖像中捕捉到的目標可以用于后續的圖像語義識別，圖像搜索、醫學自動診斷等領域。但是目前的絕大部分目標捕捉方法都是是固定尺度捕捉，只能在某一特定尺度上進行目標捕捉，這樣很難處理目標捕捉過程中精確性和魯棒性的矛盾，以及欠捕捉和過捕捉的矛盾。目前少量的多尺度目標捕捉方法中，主要策略有三種，都采用的是“二步法”：策略1，采用一種圖像多尺度表示的策略。第一步進行數字圖像的的多尺度分析，例如金字塔數據結構，第二步采用常見的固定尺度目標捕捉方法對多尺度結構的圖像分別進行目標捕捉，得到最終的多尺度捕捉結果；策略2，采用一種由細尺度到粗尺度的捕捉策略。第一步，進行精細尺度的捕捉，第二步，采用精細尺度的捕捉結果來預測粗糙尺度的捕捉結果，然后通過融合粗尺度的結果，輸出最終的捕捉結果；策略3，采用一種由粗尺度到細尺度的捕捉策略。第一步，先進行比較容易的粗尺度上的捕捉，然后第二步以此捕捉結果來引導較細尺度層上的目標捕捉。
技術實現思路
本專利技術采用“單步法”，在變分極小化的理論框架下，在一個模型中結合變分水平集和圖像的多尺度表示，采用一個尺度參數調整目標的捕捉尺度，通過泛函極小實現目標物體的多尺度捕捉。為了解決上述技術問題，本申請公開了一種數字圖像圖像的中目標物體的多尺度捕捉方法，包括多尺度捕捉的變分模型，模型的交替迭代求解算法，第三個子問題的ADMM求解算法。具體包括以下步驟：一種數字圖像中目標物體多尺度捕捉方法，包括以下步驟：步驟1：確定目標的多尺度捕捉模型；步驟2：采用交替迭代法求解該模型的泛函極小值；步驟3：根據求解的極小值的來確定捕捉結果是否滿意，如果滿意，結束；如果不滿意，則返回步驟1對模型的參數進行調整，然后求解泛函極小值，直到結果滿意；設f是包含目標物體的數字圖像，則所述多尺度捕捉模型的能量泛函為：C＝argmin{E(uλ,C)+Z(C)+λR(uλ,f)}上式中，λ為尺度參數，uλ為圖像f的多尺度表示，C為捕捉目標物體的活動輪廓，E(uλ,C)為與捕捉輪廓有關的能量泛函，Z(C)是捕捉輪廓的正則項，R(uλ,f)為圖像多尺度表示能量泛函。進一步地，如上所述的方法，所述捕捉輪廓能量泛函E(uλ,C)為：E(uλ,C)＝∫inside(C)(uλ(x)-c1)2dx+∫outside(C)(uλ(x)-c2)2dx式中c1,c2是擬合常數，能量泛函∫inside(C)(u(x)-c1)2dx和∫outside(C)(u(x)-c2)2dx分別是活動輪廓C內部和外部的常值擬合項。進一步地，如上所述的方法，利用水平集函數φ(x)，所述捕捉輪廓能量泛函E(uλ,C)改寫為：E(uλ(x),φ(x))＝∫Ω(uλ(x)-c1)2H(φ(x))dx+∫Ω(uλ(x)-c2)2(1-H(φ(x)))dx其中，H(s)是標準Heaviside函數，水平集函數定義為：進一步地，如上所述的方法，給正則項Z(C)中引入一個內部能量約束零水平集的長度的正則項，定義為：其中d(s)是標準Delta函數；表示梯度算子。進一步地，如上所述的方法，給正則項Z(C)中引入一個內部能量約束水平集函數在演化過程中保持為一個符號距離函數的正則項，定義為：進一步地，如上所述的方法，所述圖像多尺度表示能量泛函R(uλ,f)定義為：其中表示圖像函數uλ(x)的弱梯度，采用TV度量多尺度圖像uλ(x)；采用L2范數度量多尺度圖像uλ(x)與原圖像f(x)的差。進一步地，如上所述的方法，所述多尺度捕捉模型的最終能量泛函為：在上式中，能量項E(uλ(x),φ(x))是驅動活動輪廓向目標邊界運動，并使活動輪廓停留在正確的目標邊界上的捕捉項；測地弧長為使得活動輪廓在演化過程中保持光滑的正則項，為使得水平集函數在演化過程中保持為符號距離函數，從而使得演化過程保持穩定的正則項，λR(uλ(x),f(x))是進行圖像的多尺度表示能量項，e為正則化參數。進一步地，如上所述的方法，步驟2所述采用交替迭代法求解該模型的泛函極小值具體為：采用交替迭代法求解能量泛函E(c1,c2,uλ(x),φ(x))關于常數c1和c2，函數φ(x)和uλ(x)的極小值；首先，固定水平集函數φ(x)和多尺度圖像函數uλ(x)，求解能量泛函E(c1,c2,uλ(x),φ(x))關于常數c1和c2的極小值，即接著，固定擬合常數c1,c2和多尺度圖像函數uλ(x)，求解能量泛函E(c1,c2,uλ(x),φ(x))關于水平集函數φ(x)的極小值點，即最后，固定擬合常數c1,c2和水平集函數φ(x)，求解能量泛函E(c1,c2,uλ(x),φ(x))關于多尺度圖像函數uλ(x)的極小值點，即進一步地，如上所述的方法，使用ADMM算法求解量泛函E(c1,c2,uλ(x),φ(x))關于多尺度圖像函數uλ(x)的極小值；設約束極小化問題：上式的增廣Lagrange函數為：其中，y是Lagrange乘子(也可稱為對偶變量)；ρ>0是懲罰因子；||·||2表示2范數，在極小化問題中，其增廣Lagrange函數可以等價為:其中C表示常數，在極小化過程中，忽略常數C，則求解uλ(x)的極小值就轉換為：極小化如下能量泛函：與現有技術相比，本申請可以獲得包括以下技術效果：1)本申請的只需要建立一個模型，通過一個參數的調整，就可實現數字圖像中的目標物體的多尺度的捕捉。2)本申請的方法對于對比度較弱，但是目標物體較為明顯的圖像，例如醫學圖像，遙感圖像等，能夠取得較好的捕捉效果。3)多尺度的捕捉結果，通過與專家手工操作的最優結果比對，正確率可達98％以上。4)本申請的方法具有較快的捕捉速度，對于1024×1024大小的圖像，大約可以在2秒內完成整個多尺度捕捉過程。5)本申請得到的多尺度捕捉結果可以很好地應用到模式識別，圖像檢索、醫學自動診斷等圖像分析領域。6)本申請的技術方案，步驟簡單，易于操作，重復性好，只需要一個參數調整，技術人員易學、易掌握。當然，實施本申請的任一產品必不一定需要同時達到以上所述的所有技術效果。附圖說明此處所說明的附圖用來提供對本申請的進一步理解，構成本申請的一部分，本申請的示意性實施例及其說明用于解釋本申請，并不構成對本申請的不當限定。在附圖中：圖1是本申請實施例的方法流程圖；圖2是本申請實施例中目標數字圖像；圖3是本申請實施例的多尺度捕捉結果(小尺度)；圖4是本申請實施例的多尺度捕捉結果(中尺度)；圖5是本申請實施例的多尺度捕捉結果(大尺度)。具體實施方式以下將配合附圖及實施例來詳細說明本申請的實施方式，藉此對本申請如何應用技術手段來解決技術問題并達成技術功效的實現過程能充分理解并據以實施。本專利技術通過求解一個能量泛函的極小實現目標物體的多尺度捕捉。圖1為本專利技術目標物體多尺度捕捉的技術路線。設f是包含目標物體本文檔來自技高網...

【技術保護點】
一種數字圖像中目標物體多尺度捕捉方法，其特征在于，包括以下步驟：步驟1：確定目標的多尺度捕捉模型；步驟2：采用交替迭代法求解該模型的泛函極小值；步驟3：根據求解的極小值的來確定捕捉結果是否滿意，如果滿意，結束；如果不滿意，則返回步驟1對模型的參數進行調整，然后求解泛函極小值，直到結果滿意；設f是包含目標物體的數字圖像，則所述多尺度捕捉模型的能量泛函為：C＝arg?min{E(u

【技術特征摘要】
1.一種數字圖像中目標物體多尺度捕捉方法，其特征在于，包括以下步驟：步驟1：確定目標的多尺度捕捉模型；步驟2：采用交替迭代法求解該模型的泛函極小值；步驟3：根據求解的極小值的來確定捕捉結果是否滿意，如果滿意，結束；如果不滿意，則返回步驟1對模型的參數進行調整，然后求解泛函極小值，直到結果滿意；設f是包含目標物體的數字圖像，則所述多尺度捕捉模型的能量泛函為：C＝argmin{E(uλ,C)+Z(C)+λR(uλ,f)}上式中，λ為尺度參數，uλ為圖像f的多尺度表示，C為捕捉目標物體的活動輪廓，E(uλ,C)為與捕捉輪廓有關的能量泛函，Z(C)是捕捉輪廓的正則項，R(uλ,f)為圖像多尺度表示能量泛函。2.根據權利要求1所述的方法，其特征在于，所述捕捉輪廓能量泛函E(uλ,C)為：E(uλ,C)＝∫inside(C)(uλ(x)-c1)2dx+∫outside(C)(uλ(x)-c2)2dx式中c1,c2是擬合常數，能量泛函∫inside(C)(u(x)-c1)2dx和∫outside(C)(u(x)-c2)2dx分別是活動輪廓C內部和外部的常值擬合項。3.根據權利要求2所述的方法，其特征在于，利用水平集函數φ(x)，所述捕捉輪廓能量泛函E(uλ,C)改寫為：E(uλ(x),φ(x))＝∫Ω(uλ(x)-c1)2H(φ(x))dx+∫Ω(uλ(x)-c2)2(1-H(φ(x)))dx其中，H(s)是標準Heaviside函數，水平集函數定義為：4.根據權利要求3所述的方法，其特征在于，給正則項Z(C)中引入一個內部能量約束零水平集的長度的正則項，定義為：其中δ(s)是標準Delta函數；▽表示梯度算子。5.根據權利要求4所述的方法，其特征在于，給正則項Z(C)中引入一個內部能量約束水平集函數在演化過程中保持為一個符號距離函數的正則項，定義為：6.根據權利要求5所述的方法，其特征在于，所述圖像多尺度表示能量泛函R(uλ,f)定義為：其中▽uλ(x)表示圖像函數uλ(x)的弱梯度，采用TV度量多尺度圖像uλ(x)；采用L2范數度量多尺度圖像uλ(x)與原圖像f(x)的差。7.根據權利要求6所述的方法，其特征在于，所述多尺度捕捉模型的最終能量泛函為：

【專利技術屬性】
技術研發人員：唐利明，方壯，向長城，陳世強，李軍，
申請(專利權)人：湖北民族學院，
類型：發明
國別省市：湖北,42