[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

说明书

技术领域

本发明涉及一种计算机图像处理技术，特别涉及一种基于非对称逆布局模型(NAM)的图像边界提取方法。

背景技术

图像边界提取技术与图像表示方法密切相关，这里主要就图像的分层数据结构和图像的边界提取技术来介绍相关的研究现状和国内外的最新发展趋势。

(1)图像的分层数据结构；

图像表示是目前最为活跃的研究领域之一，它在图像压缩、特征提取、图像检索、图像去噪和图像复原、图像边界提取等应用中起着非常关键的作用。有效的图像表示算法不仅能节省存储空间，而且还有利于提高图像处理的速度。目前已有许多基于空间数据结构的二值图像表示算法，如:字符串表示算法、树结构的表示算法和码字集表示算法。就二值图像的压缩算法来说，尽管压缩标准JBIG的压缩性能总是优于目前任何基于空间数据结构的二值图像表示算法，但是由于JBIG表示算法涉及到熵编码过程，对于许多应用来说是不可能操作压缩的JBIG格式的。分层数据结构在计算机视觉、机器人、计算机图形学、图像处理、模式识别等领域里是非常重要的区域表示方法。四元树(QT,Quad Tree)是图像分层表示的一种形式，它是研究得最早的、也是研究得最多的一种分层表示形式。早期的四元树表示都是基于指针的四元树结构，为了显著减少存储空间，Gargantini等人消除了指针方案，提出了称之为线性四元树(LQT,Linear Quad Tree)的表示方法。Subramanian等人研究了基于空间二元树分割(BSP,Binary Space Partitioning)的图像表示方法。图像经过BSP树表示后，其表示结果可直接支持图像的压缩与分割等算法。基于混合的二元树和四元树表示，Kassim等人提出了一种基于分层分割的图像表示方法。基于B-树三角形编码方法，Distasi等人提出了基于空间数据结构的灰度图像表示算法。基于S-树数据结构和Gouraud阴影法，Chung等人提出了一种基于S-树的空间数据结构的灰度图像表示(STC,S-Tree Coding)方法(K.L.Chung,J.G.Wu.Improved image compression using S-tree and shading approach.IEEE Transactions on Communications，2000，48(5):748-751.)。随后，Chung等人提出了一种基于DCT域和空域的混合灰度图像表示(SDCT，Spatial-and DCT-based)方法(K.L.Chung，Y.W.Liu，W.M.Yan.A hybrid gray image representation using spatial-and DCT-based approach with application to moment computation.Journal of Visual Communication and Image Representation，2006，17(6):1209-1226)。