复杂物体轮廓提取(复杂物体边缘定位算法)

复杂物体轮廓提取



徐晓刚 于金辉 马利庄

(浙江大学 CAD&CG 国家重点实验室,杭州 310027)

摘要 图象分割是图象处理中的一项重要工作，目前手工与自动相结合的分割方法在实际工作中得到

了广泛应用。本文根据图象经 Maar 变换后的特征，采用新的判断准则，提出了一种复杂物体边缘定

位算法，可以对具有尖角特征的物体轮廓进行快速准确地提取，同时利用矢量化方法消除毛刺，使

跟踪获得的边界更符合物体的实际轮廓特征。对多种图象的实验表明本文方法十分有效。

approach combining the manual and automatic methods is widely used in segment practice. In this paper we

present an algorithm capable of locating the target object contour of sharp tips accurately in the interactive

rate. Considering that the edge are usually on the zero-crossing points after Marr transformation for most

images, existing techniques tend to give undesirable results because the energy path containing more points

is given less priority. In our method we specify a pointer to point the current point on a path of interest, when

the energy of current path is less than the energy for the previous point, we check n latest points in the

current path instead of checking only one point as existing techniques do, and, if more than m point (m≤n) is

zero-crossing, the pointer of the point is updated, otherwise, the pointer remains unchanged. Using this

criterion we can insert new seeds automatically near the tips of the target object and the burr is eliminated by

a vectorization approach. The final contour traced out fits the feature of the target object well and the

法，它们大致可以归结为两类：

一类为 Snake 算法或 Active Contour Models[1][2]；这类算法需要给出初始的轮廓，然后进行迭

代，使轮廓沿能量降低的方向靠近，最后得到一个优化的边界。能量函数包括内外力两方面，如边

界曲率和梯度。由于用户无法估计迭代的最后结果，应用 Snake 算法往往需要进行多次的交互工作。

特别当目标比较复杂时，或与其它物体靠得较近时，初始的轮廓不易确定，而迭代的结果往往不能

达到要求。

另一类为基于动态规划图搜索算法[3][4][5][6][7][8]；图搜索算法是在全图范围内寻找优化的边

界。与 Snake 算法不同，图搜索算法不通过迭代初始轮廓—降低能量的方式，而是通过分步优化能