[发明专利]目标轮廓提取方法、装置、设备及存储介质

说明书

本发明适用图像处理技术领域，提供了一种目标轮廓提取方法、装置、设备及存储介质，该方法包括：将待处理图像中分离的块状区域和管状结构分别组合得到块状空间和管状空间，提取块状空间中块状区域的边缘脊线和管状空间中管状结构的中心脊线，将标记了脊线类型的边缘脊线、中心脊线分别组合为边缘脊线集合、中心脊线集合，通过曲线形变模型分别对边缘脊线集合、中心脊线集合中的脊线进行形变，直至边缘脊线集合、中心脊线集合中的脊线都满足形变结束条件，分别将边缘脊线集合、中心脊线集合中形变后的脊线叠加在待处理图像的对应位置处，从而绘制出待处理图像中块状区域、管状结构的轮廓，有效地提高了目标轮廓提取的效果和效率。

技术领域

本发明属于图像处理技术领域，尤其涉及一种目标轮廓提取方法、装置、设备及存储介质。

背景技术

在图像的研究和分析中，人们往往对图像中一些特定的、具有特殊意义的区域感兴趣，为了识别和分析目标，通常需要曲线将这些区域分离提取出来，该分离提取的技术可应用于工业、医学等领域的图像处理。

主动轮廓模型(ACM，Active Contour Model)的研究由来已久，尤其在ACM中的蛇模型(snake)提出后，ACM被广泛应用于目标曲线的提取。ACM通过最小化能量函数使得初始轮廓在内力和外力的共同作用下逼近目标轮廓，大部分关于ACM的研究涉及ACM外力条件的构造和优化，也有一部分研究涉及ACM的初始化，例如改进外力动态范围的GVF场(梯度矢量流场)、构造基于图像区域内容的外力条件、Snake初始化问题及其改进等等，研究人员还提出了open snake模型和close snake模型。

然而，ACM模型仍然存在初始化敏感(即初始化优劣对模型的计算时间、逼近效果影响较大)的问题，而传统的手动初始化十分麻烦、耗时。close snake模型的自动初始化相对简单，有通过定义CVF的发散中心点来初始化的方式，该方式提供的初始轮廓较多需要进一步处理和删除伪轮廓，有初始轮廓往往原理目标的方式，需要多次迭代才能接近目标。Open snake的初始化也存在初始化效率不高的问题。此外，目前的ACM模型仅能实现单类目标曲线(闭合曲线或开口曲线)的提取，无法同时进行闭合曲线和开口曲线的提取。

发明内容

本发明的目的在于提供一种目标轮廓提取方法、装置、设备及存储介质，旨在解决由于现有技术中目标轮廓提取方法受初始化优劣限制、且只适用于单类目标轮廓提取，导致目标轮廓提取效果不佳、效率不高的问题。

一方面，本发明提供了一种目标轮廓提取方法，所述方法包括下述步骤：

接收待处理图像，将所述待处理图像的块状区域和管状结构分离，分别对分离后的所有块状区域和所有管状结构进行组合，以得到对应的块状空间和管状空间；

提取所述块状空间中所述块状区域的边缘脊线和所述管状空间中所述管状结构的中心脊线，标记所述边缘脊线的脊线类型和所述中心脊线的脊线类型，将标记了所述脊线类型的所状边缘脊线组合为边缘脊线集合，将标记了所述脊线类型的所述中心脊线组合为中心脊线集合；

根据不同的所述脊线类型构建曲线形变模型，通过所述曲线形变模型对所述边缘脊线集合中的脊线进行形变，直至所述边缘脊线集合中的脊线满足预设的形变结束条件，通过所述曲线形变模型对所述中心脊线集合中的脊线进行形变，直至所述中心脊线集合中的脊线满足所述形变结束条件；

分别将所述边缘脊线集合中、所述中心脊线集合中形变后的脊线叠加在所述待处理图像的对应位置处，以绘制出所述待处理图像中所述块状区域的轮廓和所述管状结构的轮廓。

另一方面，本发明提供了一种目标轮廓提取装置，所述装置包括：

图像分离单元，用于接收待处理图像，将所述待处理图像的块状区域和管状结构分离，分别对分离后的所有块状区域和所有管状结构进行组合，以得到对应的块状空间和管状空间；