[发明专利]基于向量内积的骨架提取方法

说明书

技术领域

本发明所属技术领域是数字图像处理，依据边界向量内积值符号的变化情况，确定候选骨架点，并结 合基于回归分析的统计学思想，判定分支骨架线的延伸方向，提出一种新型、有效的骨架提取方法。

背景技术

计算机视觉系统的终极目标是能像人类视觉系统一样工作。计算机可以利用必要的信息进行快速、深 层的科学分析，但对于内容复杂的图像，获取其中的信息却成了难题，因为计算机不能像人眼那样轻易地 理解图像内容。骨架作为一种降维的物体形态描述方式，不仅可以较为真实地表示物体的轮廓信息，还能 够反映出物体的拓扑结构特性，是一种表示物体形状的重要工具，为图像分析和模式识别等应用提供基础 数据。所以，各种各样的骨架提取算法层出不穷，虽然原理不尽相同，但目的都是为了得到定位准确、连 通性好的高质量骨架图像。

骨架提取算法通常可以分为两类：第一类是细化算法，其本质是一种多次迭代收缩算法，特殊之处在 于每次迭代过程中，不破坏连通性，消去图像中不必要的边界点，直到推进至内部确定图像骨架，但其位 置的准确性难以保证。第二类是基于距离变换的算法，通过寻找距离梯度脊线来确定骨架，提高了位置的 准确度，但在连通性上有待进一步的改进。

许多改进的骨架提取算法在一定程度上解决了上述问题，例如颜廷秦在文献1“一种距离场约束下的 普适细化算法”(南京大学学报，2013,49(2))将经典的K3M算法与基于距离场的方法相结合，解决了以 往细化算法定位不准确的问题。杨晨辉在文献2“优化的梯度最短路径骨架提取算法”(厦门大学学报，2014， 53(2))中利用自定义算子计算距离变换图中的局部极大值点的梯度，将梯度最小的像素点视为关键点， 并沿梯度方向进行连接，在一定程度上提高了算法的效率。庄彩云在文献3“基于近似最小距离场的二维 图像骨架提取方法”(计算机工程与应用，2013，49(21))中通过对像素与边界的相对距离进行整数编码， 构建了近似最小距离场并生成聚类，再将这些聚类细化并连接后即得到完整骨架。这些改进算法改善了骨 架提取的效果，但仍然存在着易受边界噪声影响以及在连通性和骨架位置准确性之间难以平衡等问题。

发明内容

本发明的目的是提供一种新型的骨架提取方法，能一定程度改善传统算法经常出现的易受边界噪声影 响及在骨架连通性和准确性之间难以平衡等问题。该方法将向量内积思想融入到候选骨架点的选取中，并 利用回归分析巧妙地解决了骨架延伸方向的判定问题。该方法不仅可以克服边界扰动，而且提取的骨架在 连通性和位置准确性均得到了保证。

本发明设计了一种基于向量内积的骨架提取方法，主要包括以下步骤：

(1)输入一幅二值图像，通过欧氏距离变换能够获得目标点与背景点之间的最短距离及最近边界点的位置信息，分别记录在矩阵D和矩阵L中；D中的非0元素即为目标点，其位置信息记为P_goal(x_goal,y_goal)，再通过除法、取余运算，将L中元素转化为边界点的位置信息，记作P_edge(x_edge,y_edge)，由目标点指向边界点的边界向量记作其中x_vector＝x_edge-x_goal，y_vector＝y_edge-y_goal。

(2)计算每个内部像素点的边界向量与其8-邻域各点的边界向量的内积值，比较在水平、垂直、主对角线、 副对角线4个方向上内积值符号的变化情况；内积值符号由正变为非正(或由负变为非负)的次数记为 Flag，若在至少3个方向上内积值的符号出现变化，即Flag≥3，并且与边界点的距离在1个像素以上， 即D(i,j)＞1，则将该点视作候选骨架点。