一种基于图元素的通用骨架检测方法

阅读：评论：0

1.本发明涉及骨架提取，特别是一种基于图元素的通用骨架检测方法。

背景技术：

2.图像中物体骨架一般由单个像素点组成，反映出物体形状的连通性和拓扑结构，常转化为骨架图形式，为后续修剪、匹配及应用带来方便。骨架作为一种降维的物体形态描述方式，有效组合了物体轮廓和区域信息，在数据量与结构性方面有独特优势，广泛应用于农业、生物、多媒体等场景中。

技术实现要素：

3.发明目的：本发明的目的是提供一种基于图元素的通用骨架检测方法，从而巧妙缓解传统骨架提取方法中普遍存在的骨架枝断裂、骨架枝丢失及骨架高噪等问题，提升通用骨架的精度。
4.技术方案：本发明所述的一种基于图元素的通用骨架检测方法，包括以下步骤：
5.(1)数据准备：通过对真值骨架进行拆解，得到骨架图三元素，即端点、交叉点以及骨架枝，并且对骨架枝进一步分解，得到互相重叠的子骨架枝元素；
6.(2)检测模型设计：通过自注意力架构，设计几条通道来分别输出骨架枝概率、骨架枝候选、图元素概率、图元素候选以及子图标识，通过这些元素能够将传统的骨架热图回归问题转换为更加简单的骨架元素检测问题；
7.(3)图构建：通过对上述几条通道的输出物进行处理与组装，得到最终的多目标骨架图。
8.所述步骤(1)具体为：
9.(1.1)对于原始骨架图，将其拆分为下面三个元素：端点、交叉点以及骨架枝；
10.(1.2)对骨架图中的每个骨架枝做进一步分解：在骨架枝上均匀取关键点，按照提前设置好的重叠率以及向量长度，沿着骨架枝截取向量；
11.(1.3)最终，一个完整的骨架图被分解为端点、节点以及骨架枝向量；这三个元素将会被输入到检测模型中进行模型训练。
12.所述步骤(3)具体为：
13.(3.1)输入步骤(2)中得到的骨架向量、点坐标、子图标识，通过是否有交叉、两头是否有节点，来保留符合条件的骨架枝向量，其余离散的骨架枝向量删掉；
14.(3.2)对于符合条件的骨架枝向量，通过膨胀腐蚀算法，得到最终的骨架枝，输出完整的骨架图；
15.(3.3)对于骨架枝，判断端点距离骨架枝的位置，如果超过一定阈值，则删掉端点，如果在阈值内，则将该端点与骨架枝连接，形成完整的骨架枝；
16.(3.4)通过保留下来的端点及骨架枝向量graph id来判断是否他们属于同一个物体，进而区分多个物体，如果有多个物体，每个物体为一个子图。
17.一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种基于图元素的通用骨架检测方法。
18.一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种基于图元素的通用骨架检测方法。
19.有益效果：与现有技术相比，本发明具有如下优点：
20.1、本发明巧妙缓解了传统骨架提取方法中普遍存在的骨架枝断裂、骨架枝丢失及骨架高噪等问题，更加简单跟高效，且提升了通用骨架的精度；
21.2、本发明实用性强，能够应用于智慧农业(如精准施肥中的田垄检测)、智慧家居(如家装图的识别与重构)、智慧风电(智能检测中的叶片龙骨检测)、智慧医疗(如3d动脉血管重构)等领域；
22.3、本发明通用性强，不但适用于彩图片中的物体骨架提取，还可直接用于二值图物体。
附图说明
23.图1为本发明的步骤流程图；
24.图2为骨架元素示意图；
25.图3为原始骨架拆分示意图；
26.图4为骨架元素检测示意图；
27.图5为最终骨架图重构示意图。
具体实施方式
28.下面结合附图对本发明的技术方案作进一步说明。
29.如图1所示，一种基于图元素的通用骨架检测方法，包括以下步骤：
30.(1)数据准备：通过对真值骨架进行拆解，得到骨架图三元素，即端点、交叉点以及骨架枝，并且对骨架枝进一步分解，得到互相重叠的子骨架枝元素；
31.所述步骤(1)具体为：
32.(1.1)如图2所示，对于原始骨架图，将其拆分为下面三个元素：端点(endpoint，黑实心点)、交叉点(junctionpoint，黑空心点)以及骨架枝(branch，虚线)；
33.(1.2)如图3所示，对骨架图中的每个骨架枝做进一步分解：在骨架枝上均匀取关键点，按照提前设置好的重叠率(如p2与p3点之间的关键点数量)以及向量长度(p1与p3点之间的关键点数量)，沿着骨架枝截取向量；例如在图3(b)中，能够得到向量p1p3和p2p4。这样，一个骨架枝可以被分解为两个或多个向量。
34.(1.3)最终，一个完整的骨架图被分解为端点、节点以及骨架枝向量；这三个元素将会被输入到检测模型中进行模型训练。
35.(2)检测模型设计：通过自注意力架构，设计几条通道来分别输出骨架枝概率、骨架枝候选、图元素概率、图元素候选以及子图标识，通过这些元素能够将传统的骨架热图回归问题转换为更加简单的骨架元素检测问题；
36.(3)图构建：通过对上述几条通道的输出物进行处理与组装，得到最终的多目标骨
架图。
37.所述步骤(3)具体为：
38.(3.1)如图5(a)所示，输入步骤(2)中得到的骨架向量、点坐标、子图标识，通过是否有交叉、两头是否有节点，来保留符合条件的骨架枝向量(keep)，其余离散的骨架枝向量删掉；
39.(3.2)如图5(b)所示，对于符合条件的骨架枝向量，通过膨胀腐蚀算法，得到最终的骨架枝，输出完整的骨架图；
40.(3.3)如图5(c)所示，对于骨架枝，判断端点距离骨架枝的位置，如果超过一定阈值，则删掉端点，如果在阈值内，则将该端点与骨架枝连接，形成完整的骨架枝；
41.(3.4)如图5(d)所示，通过保留下来的端点及骨架枝向量graph id来判断是否他们属于同一个物体，进而区分多个物体，如果有多个物体，每个物体为一个子图。

技术特征：

1.一种基于图元素的通用骨架检测方法，其特征在于，包括以下步骤：(1)数据准备：通过对真值骨架进行拆解，得到骨架图三元素，即端点、交叉点以及骨架枝，并且对骨架枝进一步分解，得到互相重叠的子骨架枝元素；(2)检测模型设计：通过自注意力架构，设计几条通道来分别输出骨架枝概率、骨架枝候选、图元素概率、图元素候选以及子图标识，通过这些元素能够将传统的骨架热图回归问题转换为更加简单的骨架元素检测问题；(3)图构建：通过对上述几条通道的输出物进行处理与组装，得到最终的多目标骨架图。2.根据权利要求1所述的一种基于图元素的通用骨架检测方法，其特征在于，所述步骤(1)具体为：(1.1)对于原始骨架图，将其拆分为下面三个元素：端点、交叉点以及骨架枝；(1.2)对骨架图中的每个骨架枝做进一步分解：在骨架枝上均匀取关键点，按照提前设置好的重叠率以及向量长度，沿着骨架枝截取向量；(1.3)最终，一个完整的骨架图被分解为端点、节点以及骨架枝向量；这三个元素将会被输入到检测模型中进行模型训练。3.根据权利要求1所述的一种基于图元素的通用骨架检测方法，其特征在于，所述步骤(3)具体为：(3.1)输入步骤(2)中得到的骨架向量、点坐标、子图标识，通过是否有交叉、两头是否有节点，来保留符合条件的骨架枝向量，其余离散的骨架枝向量删掉；(3.2)对于符合条件的骨架枝向量，通过膨胀腐蚀算法，得到最终的骨架枝，输出完整的骨架图；(3.3)对于骨架枝，判断端点距离骨架枝的位置，如果超过一定阈值，则删掉端点，如果在阈值内，则将该端点与骨架枝连接，形成完整的骨架枝；(3.4)通过保留下来的端点及骨架枝向量graph id来判断是否他们属于同一个物体，进而区分多个物体，如果有多个物体，每个物体为一个子图。4.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-3中任一项所述的一种基于图元素的通用骨架检测方法。5.一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的一种基于图元素的通用骨架检测方法。

技术总结

本发明公开了一种基于图元素的通用骨架检测方法，步骤如下：通过对真值骨架进行拆解得到骨架图三元素，对骨架枝进一步分解，得到互相重叠的子骨架枝元素；检测模型设计：通过自注意力架构，设计几条通道来分别输出骨架枝概率、骨架枝候选、图元素概率、图元素候选以及子图标识；通过对上述几条通道的输出物进行处理与组装，得到最终的多目标骨架图。本发明巧妙缓解了传统骨架提取方法中普遍存在的骨架枝断裂、骨架枝丢失及骨架高噪等问题，更加简单跟高效，且提升了通用骨架的精度；本发明通用性强，不但适用于彩图片中的物体骨架提取，还可直接用于二值图物体；本发明实用性强，能够应用于智慧农业、智慧家居、智慧风电、智慧医疗等领域。医疗等领域。医疗等领域。