基于水平集复杂背景下毒蘑菇图像的提取*

罗宏波 曾海欧 周苏娟 黄展鹏 蒋世忠

（广东药学院医药信息工程学院）

基于水平集复杂背景下毒蘑菇图像的提取*

罗宏波 曾海欧 周苏娟 黄展鹏 蒋世忠

（广东药学院医药信息工程学院）

毒蘑菇图像的提取是对其进行分析与模式识别的关键步骤。数字抠图作为一种把图像的前景部分从背景中分离出来的技术，存在繁琐和容易产生小区域不相关像素的缺点。针对野外采集的毒蘑菇图像背景复杂的特点，在MatlabR2010a环境下，采用Kmeans算法自动分割、数字抠图及数字抠图和水平集结合3种方法进行毒蘑菇图像分割。实验结果表明：通过引入水平集进行目标图像提取，结合水平集的自动收敛，在复杂背景下，能很好地提取目标图像，为进一步识别毒蘑菇提供有效的基础。

水平集；毒蘑菇；图像提取

0 引言

毒蘑菇（毒菌）在中国种类繁多，分布广泛。据不完全统计，在我国被发现的毒蘑菇有250多种，其中在广东省就有112种[1]。在广大山区和乡镇，误食毒蘑菇中毒的事件时有发生，几乎每年都有严重中毒致死的报告。针对有些毒菌和食用菌的宏观特征没有明显区别的情况，将图像特征检索技术中颜色、纹理和形状3种检索方式引入毒蘑菇识别中，构建一个综合图像特征的野生毒蘑菇辅助识别平台，有助于提高人们对毒蘑菇的认识与鉴别，为科研工作者以及普通民众提供相对客观的参考借鉴。

野生毒蘑菇通常生长在环境复杂的野外，因此，利用图像处理技术辅助识别毒蘑菇，前提是有效地将毒蘑菇图像从复杂的背景中分割出来。图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，是图像处理到图像分析的关键步骤。如何从复杂背景中快速有效地分割出目标图像是图像技术研究中的热点。

人类的视觉系统是一个智能的识别系统，人眼观察复杂场景时，很容易区别各个物体，即很容易辨别物体的边缘，从而将各个物体区分开来。如果能在图像分割中有效引入用户的参与，可以更准确地辅助提取出目标区域。所以交互式的分割方式在图像处理中显得尤为重要。基于图论的交互式分割方法有很多，如活动轮廓模型[2]、智能剪刀[3]、活线法和图切分方法[4]等等。本文在快速提取目标图像的基础上，采用交互式分割[5]，引入水平集[6]进行自动收敛截取，得到最优目标图像。

1 数字抠图

交互式分割最简单的方法之一就是数字抠图[7]，明确定义哪些属于目标图像，哪些是背景，用户围绕目标图像的边界绘制曲线，然后对该曲线进行优化。Photoshop里面的智能剪刀和魔杖工具就是采用这种方法。

首先，需要建立一个与图像对应的加权无向图G（E，V）。图的顶点E与图像的像素对应；边V与图像的各个像素之间的联系相对应；顶点的属性与图像的灰度信息相对应；边的权值与像素之间的差别相对应。图中包含2个终端顶点：源点和汇点。其他点都称为中间点。手动选择图的目标和背景的种子点，分别与源点和汇点相连接，设计它们的权重α。这样可以实现最小的分割，将目标与背景分割开来。

其中，F为目标图像；G（E，V）图像对应加权无向图；α是权重，这里取255；Cat表示最小割集。

2 水平集方法

水平集方法是S.Osher和J.A.Sethian于1988年，在研究曲线以曲率相关的速度演化时提出来的[8]，用于描述曲线的演化过程。其基本思想是将当前正在演化的闭合曲线（曲面）的问题转化为更高维空间中的水平集函数曲线（曲面）的隐式解。与其他曲线演化方法相比，其最大优势是稳定性和拓扑无关性。

在传统水平集方法中，为了使演化曲线得到稳定的结果，需要周期性地初始化演化曲线，这样费时而且计算繁琐。而李纯明[9]等人根据符号距离函数的特征引入一个内部能量纠正水平集函数与符号距离函数的误差，使演化曲线一直保持在符号距离函数附近，从而在演化过程中无需再周期性地初始化演化曲线，进而可以采用大时间步长，提高演化速度。

3 基于水平集的目标图像快速提取

基于水平集的目标图像快速提取是一种能够从粗到细将目标图像自适应分割的方法，分为3个步骤：1) 目标对象标记，它是在较粗糙的尺度上操作，用户根据需要勾勒出目标图像的大体形状；2) 水平集自适应，它是根据用户定义的边界，自适应收缩，实现目标最优化；3) 目标图像提取，对已经收敛最佳的目标图像进行数字抠图提取。

3.1 目标对象标记

目标对象的主要功能是允许用户对目标图像和背景图像进行标记，以提取用户感兴趣的区域。通过绘制直线或者曲线指定感兴趣的区域，一方面定义感兴趣的区域，明确分割目的；另一方面，标记目标图像，实际已经构建好加权无向图，初始化边界，为水平集分割提供前提和减少计算量。

3.2 水平集自适应

在用户绘制的标记线条形成封闭无向图后，开启自适应，系统自动进行自适应收缩。使用定义的封闭无向图作为水平集的初始演化曲线，引入一个内部能量来纠正水平集函数与符号距离函数的误差，从而使演化曲线一直保持在符号距离函数附近，使演化范围始终保持在用户定义的区域内；同时加入外部能量提高演化速度。水平集收敛达最优时停止收敛，完成目标图像外轮廓的标记u。

3.3 目标图像提取

水平集收敛的最优目标轮廓u作为快速提取算法的无向图，用式(1)对目标图像进行分割提取。在对水平集演化结束后，自动实现目标图像快速提取。所以交互操作只是对目标图像的标记，无需过多的用户交互，减少用户的工作量。

4 实验结果与分析

本文对一张野外采集的毒蝇伞蘑菇图像进行实验。选取一张掺杂多个背景的图像，用不同方法分别从中提取毒蝇伞蘑菇目标图像。图1对原始图片需要提取的目标边缘进行标记；图2使用Kmeans算法自动分割；图3是数字抠图的效果；图4是数字抠图和水平集结合后的目标图像分割效果。

由图1可以看出，目标图像与周围背景混合在一起，这是野外采集标本时不可避免的情况。采用Kmeans聚类分割[10]，由于光照因素，目标图像的边缘有些无法聚类到目标区域，造成目标提取的缺失。其中小蘑菇对分析可能会造成干扰，但是聚类分割无法将其剔除。聚类、阈值分割等自动分割，在复杂背景下，存在多个阈值或中心时，无法达到很好的分割效果，交互式的分割就成为首选。快速目标图像提取的数字抠图，可以较好地快速提取目标图像，占用系统资源少，如图3所示。但是，提取的目标图像仍然存在一些小的干扰区域。经过多次截取，可以将不需要的区域缩小到最小。限于人的视觉效果，对于细小的区域很难分辨。

图1 原始的目标边缘提取

图2 Kmeans聚类分割

图3 数字抠图效果

图4 数字抠图和水平集结合效果

针对数字抠图存在的细小无相干边缘的不足，将水平集引入数字抠图。勾勒出目标区域，采用水平集自适应收缩，最终使用数字抠图分割。如图4所示，目标图像被准确提取出来，而且保持轮廓和形状特征完好。

5 结语

本文提出的基于水平集复杂背景下毒蘑菇图像提取，不但综合了数字抠图占用系统资源小、速度快等优点，而且缩小了水平集收缩的区域，极大地提高水平集的收缩速度，取得了很好的分割效果。

[1] 邓旺秋,李泰辉,宋斌,等.广东已知毒蘑菇种类[J].菌物研究, 2005,3(1):7-12.

[2] 陈波,赖剑煌.用于图像分割的活动轮廓模型综述[J].中国图象图形学报,2007,12(1):11-20.

[3] 薛犇犇.半自动的虚拟人切片图像分割方法研究[D].南京:南京理工大学,2011.

[4] 龚菲.基于图切分的快速交互式图像分割方法研究[D].武汉:华中师范大学,2013.

[5] 郭丽.交互式图像分割算法的研究与应用[D].沈阳:东北大学,2008.

[6] 王晓峰.水平集方法及其在图像分割中的应用研究[D].合肥:中国科学技术大学,2009.

[7] 林生佑,潘瑞芳,杜辉,等.数字抠图技术综述[J].计算机辅助设计与图形学学报,2007,19(4):473-479.

[8] 陈金男.基于水平集方法的图像分割研究[D].秦皇岛:燕山大学,2007.

[9] Li Chunming, Xu Chenyang, Gui Changfeng, et al. Level set evolution without re-initialization; a new variational formulation[C]. In: Proc. of the IEEE Computer Society Conf. on Computer Vision and Pattern Recognition, 2005:430-436.

[10] 谭静.基于半监督聚类的图像分割算法研究[D].青岛:中国海洋大学,2012.

Extraction of Poisonous Mushrooms Image from Complex Background by Level Set

Luo Hongbo Zeng Haiou Zhou Sujuan Huang Zhanpeng Jiang Shizhong

(College of Medical Information Engineering, Guangdong Pharmaceutical University)

Extraction of poisonous mushrooms image is a key step from image processing to image analysis and pattern recognition. As a technique to separate a foreground portion from the background, digital matting is prone to bring unassociated pixels of small areas. For images of poisonous mushrooms taken from outdoors often exist in complex backgrounds, three methods of image segmentation like Kmeans, digital matting and digital matting combining with level set are used. Experimental results show that by introducing level set into target image extraction, with automatic convergence, target image can be well extracted from complex background image. This can provide an effective foundation for identifying poisonous mushrooms.

Level Set; Digital Matting; Target Image Extraction

罗宏波，男，1990年生，本科，研究方向：医学应用。

广东省大学生创新创业训练计划项目（1057313024）

周苏娟（通讯作者），女，1978年生，硕士，讲师，研究方向：图像处理与模式识别。E-mail:susona2002@163.com