[发明专利]一种基于像素遗传的前景目标提取方法

摘要

本专利提出了一种基于像素遗传的数字图像前景目标提取的新方法。方法包括以下几个步骤：（1）采用Ncut技术和高斯变差模型从图像中抽取关键前景，构成初始种群；（2）利用边沿检测方法提取得到原始图像和关键前景的边沿，取出共同部分，利用连通性和像素相似性确定遗传边界（目标轮廓）；（3）构造适应性函数，选出适应性强的像素作为父母，通过交叉和变异等遗传过程来再生出图像中新的前景目标。整个方法的过程全自动的，无需任何人工交互。大量的实验证明，这种方法十分有效，并且能够得到较为精确的实验结果。

主权项

1.一种基于像素遗传的前景目标提取方法，其特征在于：对前景目标提取时，进行以下步骤，/n步骤1，使用Ncut技术和高斯变差模型结合得到图像关键前景区域；/n步骤2，将步骤1得到的关键前景区域和原始图像分别使用Canny算子提取边沿信息；/n步骤3，结合步骤2得到的原始图像信息e_I和图像关键前景的边沿信息e_F，利用图像边沿的连通性和像素点之间的颜色相似性ρ获得较为完整的图像前景的边沿信息b(x,y)，定义初始轮廓C(x,y)＝b(x,y)；/n步骤4，检测步骤3得到的图像边沿信息的所有边沿的端点，定义端点的集合为E_p，并设定每个端点都对应一个属性type，初始值为0，选择端点集合E_p中任意一个端点p为初始端点；/n步骤5，寻找离初始端点p距离d最近的端点Q，使p向着端点Q的方向θ^*前进；/n步骤6，使用范围函数N_ε(p)在图像I上检索新的端点p_k，新的端点的方向夹角θ_k≤θ^*，并且同时考虑前进路上像素点间的像素信息的相似性ρ；/n步骤7，将步骤6检索到的新的端点p_k对应坐标位置C(x,y)值赋为1，就构成了图像新的轮廓信息C；/n步骤8，如果p_k＝Q，则令p和Q的属性type为1，任取端点集合E_p中属性type为0的端点p为初始端点，并返回步骤5，当端点集合E_p中找不到属性type为0的端点时，算法终止，并获得图像前景的闭合轮廓，如果p_k！＝Q，返回步骤6；/n步骤9，把图像中的每个像素点当成是种群中的个体GA_(x,y)，则步骤1提取得到图像的关键前景区域可以定义为初始像素种群区域，落在区域中的像素点就是初始种子点；/n步骤10，将步骤9得到的初始种子点进行像素遗传适应度计算，即计算区域连续种子数量，得到种子点中适应性强的点，优先选择这些点去产生新的像素点；/n步骤11，将步骤10得到的适应性强的种子点选择为父节点Fa，在父节点Fa的八邻域内随机选择一个在种群中的像素点为母节点Ma；/n步骤12，将步骤11得到的父节点Fa基因序列(H,S,V,sumRGB)和母节点Ma基因序列(H,S,V,sumRGB)进行交叉，得到子节点Child的基因序列；/n步骤13，将步骤12得到的子节点Child与父节点Fa八邻域内的非种群内的且非步骤8得到的前景目标闭合的轮廓外的点进行比较，将基因序列相似度满足一定阈值的点加入到种群中；/n步骤14，将上述步骤得到的满足变异条件的种群内的像素点进行变异；/n步骤15，判断遗传终止条件是否成立，如果成立输出完整的前景目标，否则执行步骤11。/n