[发明专利]一种基于非对称逆布局模型的图像边界提取方法

权利要求书

1.一种基于非对称逆布局模型的图像边界提取方法，其特征在于，包括以下步骤：

步骤S1、使用基于非对称逆布局模型的二值图像表示法将大小为G×H的图像b进行编码，得到编码后的总子模式数n，坐标表W；

步骤S2、置一个当前扫描子模式的序号j，并令j＝0，同时设置一个指针矩阵B，大小为G×H，用于表示每个像素指向的区域；

步骤S3、在坐标表中得到W[j]；

步骤S4、根据W[j]，算出当前子模式的大小size和左边界、上边界坐标信息；

步骤S5、从左边界最下方开始，往上扫描，对每个左边界像素L找出它左边的一个像素LL，即：LL在X方向比L小1，并利用矩阵B找出像素L和像素LL所属的区域，再用带按秩合并和路径压缩策略的并查集算法找出这两个区域的祖先区域，若两个区域是同一区域，则跳到下一个像素，否则，如果两个区域不属于同一区域，则根据均值和方差判断这两个祖先是否可合并；

步骤S6、左边界扫描完毕后，从上边界最左方开始，往右扫描，对每个上边界像素T找出它上边一个像素TT，即：TT在Y方向比T小1，并利用矩阵B找出像素T和像素TT所属的区域，再用带按秩合并和路径压缩策略的并查集算法找出这两个区域的祖先区域，若两个区域是同一区域，则跳到下一个像素；否则，如果两个区域不属于同一区域，则根据均值和方差判断这两个祖先是否可合并；

步骤S7、更新边界信息，j++，跳转至步骤S3，直到所有子模式处理完毕为止；

步骤S8、输出二值图像b的边界信息。

2.根据权利要求1所述的基于非对称逆布局模型的图像边界提取方法，其特征在于，所述步骤1包括以下步骤：

步骤S1.1、将矩阵变量M的所有元素赋值为0，M的大小与待处理的二值图像b相等，均为G×H，同时令子模式的计数变量n＝0；其中，G和H均为自然数；

步骤S1.2、按光栅扫描的顺序确定二值图像b中的一个未被标识的矩形子模式的起始点(x₁,y₁)，根据该起始点确定一个面积最大的子模式，并将子模式在二值图像b中作标识；

步骤S1.3、记录子模式的参数，即：左上角的坐标(x₁,y₁)、右下角的坐标(x₂,y₂)；令n＝n+1；

步骤S1.4、循环执行步骤(S1.2)到(S1.3)，直到二值图像b中的子模式均被标识完毕；

步骤S1.5、根据坐标数据压缩算法，对矩阵变量M中所有非零元素的坐标进行编码，并将编码结果存储到一个坐标表W中；

步骤S1.6、输出坐标表W，其中W是由矩阵变量M的所有行的行编码表顺序连接而得到的。

3.根据权利要求1所述的基于非对称逆布局模型的图像边界提取方法，其特征在于，在步骤S5和步骤S6中使用了Region数据结构域和Edge数据结构域；

所述Region数据结构域为：{Mean，Var，Size，Father，Count，EdgeLink}，

其中，Mean表示此区域的灰度均值，Var表示此区域的灰度方差，Size表示此区域的大小，即像素数，这三个域用来支持区域的合并操作；域Father是一个指针，用来指向此区域的父节点，Count用来这个区域的后代区域的数量，以上两个域用来支持并查集算法；域EdgeLink指向这个区域的边界，用来追踪此区域的边界信息；

所述Edge数据结构域为：{PreLink，First，Last，SucLink}，

其中，PreLink和SucLink用来支持双向链表，First和Last指向角落顶点的起点和终点。