[发明专利]一种基于先验形状和CV模型的目标分割方法

权利要求书

1.一种基于先验形状和CV模型的目标分割方法，其特征在于包括下列步骤：

①利用先验形状样本构建符号距离函数：

从序列图中选取标准姿态的目标图像作为构建先验形状样本，然后对选中的先验形状样本进行阈值分割，阈值的大小根据样本背景的复杂度进行手动调整，其次采用数学形态算子对阈值分割后的图像进行背景抑制并用Sobel算子提取目标的边缘二值轮廓线，最后利用所述的的二值轮廓线构建先验形状符号距离函数ψ与ψ₀；

②设定并根据初始化的仿射变换参数，对先验形状样本的符号距离函数ψ与ψ₀进行仿射变换：

仿射变换参数为(S_x，S_y，θ，shx，shy，T_x，T_y)，其中S_x及S_y分别为X、Y方向上的两个缩放系数，θ为角度旋转参数，shx，shy分别为X、Y方向上的修剪参数，T_x，T_y分别为X、Y方向上的平移参数；

ψ(x,y):=ψ0(hXT(x,y))---(1)]]>

hXT(x,y)T=RscRθRsh(x~,y~)T+T---(2)]]>

其中：：Rsc=Sx00Sy,]]>Rθ=cosθsinθ-sinθcosθ,]]>Rsh=1shxshy1,]]>T=TxTy,]]>x~y~=(x-xgSx,y-ygSy)T]]>

_XT＝(S_x，S_y，θ，shx，shy，T_x，T_y)；

③利用下列公式(3)～公式(11)对图像进行水平集全局迭代运算，当活动轮廓线稳定时，即获得待分割的目标边界：

数值化计算采用正则化函数Dirac函数代替H(z)和δ(z)，使下降流方程(11)能够作用在所有的水平集上，从而能够对图像区域的所有目标进行自动检测，并使能量函数达到全局极小值：

c1=∫Ωf(x,y)H(φ)dxdy∫ΩH(φ)dxdy]]>c2=∫Ωf(x,y)(1-H(φ))dxdy∫Ω(1-H(φ))dxdy---(3)]]>

∂Sx∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·ψx·(x~·(cosθ+shy·sinθ)+y~·(cosθ·shx+sinθ))dxdy---(4)]]>

∂Sy∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·ψy·(x~·(-sinθ+cosθ·shy)+y~·(-sinθ·shx+cosθ))dxdy---(5)]]>

∂θ∂t=-∫Ω(H(ψ)-H(φ))·2δ(ψ)·(ψx·(x~·(Sx·sinθ-Sx·shy·cosθ)+y~·(Sx·shx·sinθ-Sx·cosθ))---(6)]]>

+ψy·(x~·(Sy·cosθ+Sy·shy·sinθ)+y~·(Sy·shx·cosθ+Sy·sinθ)))dxdy]]>

∂shx∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·(ψx·y~·Sx·cosθ-ψy·y~·Sy·sinθ))dxdy---(7)]]>

∂shy∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·(ψx·x~·Sx·sinθ+ψy·x~·Sy·cosθ))dxdy---(8)]]>

∂Tx∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·ψxdxdy---(9)]]>

∂Ty∂t=∫Ω(H(ψ)-H(φ))·2δ(ψ)·ψydxdy---(10)]]>

∂φ∂t=δ(φ)·((f-c1)2-(f-c2)2+2λ(H(ψ)-H(φ)))---(11)]]>

其中ψ_x，ψ_y分别为水平集函数ψ在x和y方向上的梯度。