[发明专利]一种保持地标建筑形状特征的自动符号化方法

权利要求书

1.一种保持地标建筑形状特征的自动符号化方法，其特征在于，包括以下步骤：

步骤1：将目标实体对象从影像中分割出来；

步骤2：对分割后的图像二值化，并提取实体对象的边缘形态特征；

步骤3：对提取边缘线结果矢量化，并采用保持关键点的线形状简化方法优化提取结果；

步骤4：存储优化处理之后的符号结果。

2.根据权利要求1所述的保持地标建筑形状特征的自动符号化方法，其特征在于，所述步骤1的具体步骤如下：

步骤1.1：影像数据初始化；

步骤1.2：进行能量最小化分割迭代；

步骤1.3：采用border matting对分割的边界进行平滑处理。

3.根据权利要求2所述的保持地标建筑形状特征的自动符号化方法，其特征在于，所述步骤1.1中初始化的具体步骤为：

步骤1.11：输入影像数据，用z＝(z₁,z₂,…,z_N)表示图像像素组成的数组，α＝(α₁,α₂,…,α_N)表示像素对应的不透明数组，其中0≤α_N≤1，α取0或1；对可能目标手动标定矩形框，方框外的像素全部作为背景像素T_B，方框内的像素作为前景像素T_U；

步骤1.12：遍历T_B内的每一像素，初始化其标签α_n＝0，即为背景像素；对T_U内的每个像素，初始化其标签α_n＝1，即作为“可能是目标”的像素；

步骤1.13：分别用具有K个高斯分量的全协方差混合高斯模型对前景和背景区域的像素分别建立模型；其中K＝(k₁,...,k_n,...,k_N),k_n∈{1,2,...k}；

步骤1.14：从背景和前景各自相应的区域里获取像素点，生成各自的灰度直方图分布θ：

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

式中，π表示每个高斯分量的权重，μ表示每个高斯分量的均值向量，∑表示RGB三个通道的协方差矩阵；

步骤1.15：计算每个混合高斯密度模型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)]]]>

对上式取负对数化简为：

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)]]]>

步骤1.16：计算区域项U，表示一个像素被归为目标或者背景的概率的负对数，以确定图的t-link的权值：

U(α,k,θ,z)=ΣnD(αn,kn,θ,zn)]]>

步骤1.17：计算平滑项V，表示邻域像素m和n之间的不连续的惩罚，在RGB空间中，采用欧式距离衡量两像素的相似性，则n-link的权值通过下式确定：

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

式中，γ为常数，β由图像的对比度确定，即：

β＝(2((z_m-z_n)²))^-1

步骤1.18：计算整个图形的Gibbs能量函数E：

E(α,k,θ,z)＝U(α,k,θ,z)+V(α,z)。