复杂图象轮廓提取与识别技术研究

复杂图象轮廓提取与识别技术研究

朱纹汉,郭德孺

广东电网有限责任公司惠州供电局 516000

摘要：针对X线手指骨图象轮廓提取与识别问题，对基于乘性、加性噪声的图象进行了提取和识别。这种问题一般都是先对图象轮廓提取和辨识参数进行描述；当轮线上的特征信息被识别时，需要对图象轮廓跟踪系统的设计和实现进行研究，并对轮线的视觉建模进行了深入的研究，并从视觉模型出发，给出了基于图象轮廓的抗干扰跟踪算法；首先进行了梯度转换，然后进行了粗线追踪，然后进行了精确度的跟踪。在高精度轮廓跟踪中，采用多个初始点，克服了多个断点影响轮廓提取的难点。该系统的试验效果良好，并在实际应用中得到了很好的应用。

关键词：识别技术；复杂图象；轮廓提取

在很多场合，利用计算机进行图象的识别，必须先从中提取出复杂的图象，再进行图象的识别。X线影像的各部位图象非常复杂。它的轮廓提取和形态辨识不仅对骨骼年龄的诊断有着重要的作用，同时也对机器视觉有着重要的应用价值。本文以微机骨龄诊断专家系统为例，探讨了手指骨图象的形态和骨龄的分类，介绍了手指骨图象的发育程度，并对其进行了生物医学描述。其次是对各个模块的设计和实现进行了研究。图像的特征和识别参数都是在图像的边缘处。为此，必须对图象轮廓追踪系统进行设计，并对其进行参数抽取和图像识别。并在计算机上进行了测试，经实际调试，取得了较好的效果，并应用于临床应用。

一、指骨图像的特点和发展程度的判别系统的设计

指关节图像的发展水平一般可划分为1-8个级别，最困难的是4-8级。如图1所示，是这些发展等级的指节骨X线成像。

图1

利用计算机对不同发展水平的图像进行识别，必须对图像的识别特性和参数进行分析。本文从指节骨发育程度的生物医学描述出发，提出了各个发展阶段的图像识别特点，并用微型计算机对其进行了识别，见图2。该图还表示了具有明显识别特性和参数的指骨骨图谱，依据图2所示的特征和参数，指骨图象发育程度判别系统需要从图象中提取特征和参数，并对其进行分级识别。识别程序的设计类似于图3。在这个标识里有一个地区的选择单位。这个装置的作用是在手掌X线影像中找到并分离出手指骨区。这个功能相当于一个滑动窗口对图像的操作。指关节骨图象由手掌X线图象经窗函数选出。

图2

图3

                          （1）

窗函数可以是矩形的

                      （2）

这里，是二维矩形函数，和为常数。他们给出了窗的位置和尺寸。图像轮廓追踪器提取了骨龄发育水平信息的图像轮廓。这个单元的作用可以用以下方式来表达

                                 （3）

在这些算法中，为轮廓线跟踪检测算子，以下将对其进行详细的分析。辨识参数抽取单元从轮廓中抽取出骨龄发展程度的参数。等级分类单元依据分级标准，利用识别参数对指骨影像的发育程度进行识别。全部图像级别标识符提供被识别图像的级别。

二、指骨图象轮廓跟踪检测

观察指骨图象如图1，提取其轮廓线图象是十分困难的。两个图像的关系如下

   （4）

在这些图像中，是指骨骼的等高线图像。是指骨骼发育水平的信息，是一种灰度水平。由公式（4）可知，具有指骨发育水平信息的轮廓线被严重地扰乱。是颗粒和块状噪音的干扰。表示的是轮廓线的灰度变化，属于乘性噪声的干扰。表示的是骨骼图像的非等高线。尤其应该指出的是，整个X线片都是手掌的影像，所以，指节骨影像的线缝非常狭窄，例如，它的宽度可以是1到23个像素，并且在空隙处有较低的灰度反差。在这样复杂的情况下，提取轮廓线是一项非常复杂的工作，一般的边缘和轮廓线提取方法难以取得较好的效果。

1.指骨图象轮廓视觉模型

图象轮廓追踪是对图像进行追踪和提取轮廓线。所以，检测器应该按照外形的可视模式来设计。可以以下方式来指定手指骨图像轮廓可视模型：

①手指骨轮廓线在其邻近区域发生了剧烈的空间灰度变化。

②轮廓灰度的可视化反差应该大于某个可视阈值

                               （5）

③轮廓线是一条连续的曲线，并且它的灰度变化很慢。

④从外观上看，轮廓可以被认为是一个单一的灰色。

2.抗干扰轮廓跟踪器

从指骨图像的原始图形（图1）和它的数学说明（方程式（4))，我们可以看出，为了追踪和提取轮廓，必须要设计一种具有较高抗扰性的轮廓追踪检测器，例如，在图4中，利用梯度检测器将图像映射至梯度区域，极大地消除了慢速的噪音干扰，再利用粗轮廓法对轮廓进行有效的分割，从而减少了不同的噪声干扰。最后，我们采用了精确度追踪法。该方法不仅能消除多种噪声，而且能快速准确地提取图像的轮廓。以下是各个单位的设计。

图4

所述梯度探测装置用于在上述的外形可视模型中实施条件1，在此采用8个三级水平，3x3相邻梯度检测模板，用于检测与方向代码7的梯度值；按照图5中的梯度检测单元进行模板操作，

             （

6）

i是一个模板序列，i=0，1，2…7是一个模板操作符号。该操作是在模板与图像对齐后，将图像与模板对应像素进行先相乘再相加，并将7个模板操作的最大值取为对应像素的梯度值。

                      （7）

如果则方向码

                                       （8）

图5

粗轮廓提取的主要内容有三个主要内容：视觉反差选取、邻域方向选取、粗轮廓线生成。可视反差选择装置是实施外形可视状况2。这个单元对相邻的可视反差 进行了分析。

                  （9）

其中，模板是一个低通加权模板

                           （10）

为常数，此单元输出为

           （11）

邻域方向选择单元实现视觉条件3，该单元的功能为

           （12）

为邻近的方向条件，也就是，点具有一个先导和一个随后的点，其梯度方向与点的梯度方向差不大于45°的粗轮廓形成单位，而通过轮魔观察状态1，2和3可以形成粗轮廓。

        （13）

粗轮廓提取器可以对轮廓线的大致分布进行检测。通过在粗糙的轮廓区域中找到跟踪轮廓线的初始位置，可以极大地降低噪声和干扰的影响，从而为轮廓的精确提取奠定了基础。

精细轮廓线追踪与抽取是由追踪起始点和轮廓追踪两个部分构成的。通过对原始轮廓进行追踪，得到了轮廓的初始点。可能的起始点用是一个整数，它的值取决于在提取等值时会在半路中断。追踪起始点具有相应的条件，例如，的情况可以如下

        （14）

其中，是轮廓线第一个起始点的灰度反差状况

                          （15）

是方向条件

                    （16）

是邻域条件。该条件用于消除由于噪声干扰而产生的虚假初始点，若有邻域

（17）

则邻域条件，可以表示为

     （18）

轮廓线追踪器根据等值线的可视模型，对原始梯度场、进行跟踪、提取，其算法如下：

①从起始点开始，对下一个邻近的轮廓线进行追踪。

②任意一条轮廓线点的下一条轮廓线在点处的轮廓线指向±45度的三个可能点。

③在三个可能的位置，首先对梯度的大小进行比较，然后选择最大的。

④比较廓线的三个可能点，其与前一轮廓线的方向差不超过士45度。

⑤若轮廓线上的点为，将轮廓线的灰度设为

⑥当下面描述的情况时，重新设置追踪起始点，并接着进行追踪。的条件是：

⑦轮廓线可以追踪和画出轮廓，然后停止追踪。

根据之前设计的图像轮廓追踪器，我们进行了软件的设计和实际的图像测试，结果如图1下所示。实验证明，该图像轮廓追踪系统是非常有效的。

三、图象等级识别器

图像级别判别系统由两部分组成：图像级别判别特征抽取和图像级别分级。前者是通过特征图像来进行辨识的。在本课题中，我们的识别指标包括骨骺和骨骺缝，骨骺宽度 L级别划分单元依据分级标准，将测量到的指骨图像的识别参数进行分级，以判别图像级别。

<基金项目:广东电网有限责任公司职工创新031312KK52220003>

结论：指骨图象发育等级识别器，通过计算机软件的巧妙设计，测量了手指骨图像的样品。通过对计算机图像的分析，得出了与本文所用的计算机图像识别方法相吻合的结论。

参考文献:

[1]李备备,岳峻,贾世祥,等.融合Sobel-SIFT的花朵图像的特征提取方法[J].鲁东大学学报（自然科学版）.2019,(4).296-300,317.

[2]黄元元,刘宁钟.一种新的基于颜色特征的图像检索方法[J].小型微型计算机系统.2018,(3).609-613.