脊檢測

脊檢測是通過軟體嘗試定點陣圖像中的脊（或邊緣）。

基本介紹

• 中文名：脊檢測
• 外文名：Ridge detection
• 目的：定點陣圖像中的脊（或邊緣）
• 領域：圖像處理和計算機視覺

簡介

在數學和計算機視覺中，兩個變數的光滑函式的脊（或脊集）是一組曲線，其點在一個或多個方面要被精確地定義在下面，該函式的局部最大值在至少一個尺寸。這個概念捕捉了地理山脊的直覺。對於N個變數的函式，它的脊是一組曲線，其點是N-1維中的局部最大值。在這方面，脊點的概念擴展了局部最大值的概念。相應地，可以通過用局部最小值的條件替換局部最大值的條件來定義函式的谷的概念。脊集和谷集的聯合以及一組稱為連線集的相關點形成了一組相連的曲線，這些曲線在功能的臨界點處分割，相交或相交。這種聯合被稱為函式的相對臨界集合。

脊集，谷集和相對臨界集代表函式固有的重要幾何信息。從某種意義上說，它們提供了函式重要特徵的簡潔表示，但它們可用於確定函式全局特徵的程度是一個懸而未決的問題。創建脊檢測和谷檢測程式的主要動機來自圖像分析和計算機視覺，並捕捉圖像域中細長物體的內部。在流域方面，與嶺相關的表示已被用於圖像分割。還有人嘗試通過基於圖形的表示來捕捉對象的形狀，這些表示反映了圖像域中的脊，谷和關鍵點。然而，如果僅以單一比例計算，這樣的表示可能對噪聲敏感度很高。由於尺度空間理論計算涉及與高斯（平滑）核的卷積，因此希望在尺度空間理論的情況下使用多尺度的脊，谷和臨界點應該允許更多的物體的魯棒表示（或形狀）。

在這方面，山脊和山谷可以看作是對自然興趣點或局部極值點的補充。通過適當定義的概念，強度景觀中的山脊和山谷（或從強度景觀導出的某些其他表示形式）可以形成尺度不變的骨架，用於組織對局部外觀的空間限制，其與Blum的內側二維變換為二值圖像提供了一個形狀框架。在典型套用中，脊和谷描述符通常用於檢測航拍圖像中的道路和檢測視網膜圖像或三維磁共振圖像中的血管。

脊檢測所處理的圖像為灰度圖像。其中,脊是圖像中灰度值相對較小(亮度較暗)的紋理部分。脊檢測將灰度指紋圖像轉換成黑白指紋圖像,所產生的指紋脊圖案經過細化後,用於節點特徵的提取。因此,脊檢測的性能對於節點的特徵的提取質量有著直接的影響。此外,為提高圖像處理的實時性,脊檢測算法的複雜度不能太高。般從灰度
指紋圖像中檢測出脊信息面臨以下難點。

首先,由於灰度指紋圖像中相鄰像素間灰度變化緩慢的特點,脊檢測將遇到脊邊界模糊的困難。同時,灰度指紋圖像中各局部範圍的對比度常不一致,導致難以確定適當的判決閩值,容易產生漏檢測或脊粘連。其次,指紋採集過程中的噪聲污染(如手指上的壓痕或汗漬等)經常引起指紋圖像中的斷點或粘連點。這些由於噪聲引起的異常節點,會降低指紋比對的準確度,需要在脊檢測過程中儘量排除這些噪聲的影響。

脊檢測在圖像中的套用

在金相圖像中,區域塊的邊界是相對突出和顯著的。圖像中所有的邊界線有連續的亮度和寬度。這為分割區域塊提供了重要信息。因為形狀不規則和非連續性,邊緣檢測的分割方法效果不明顯。

脊檢測成功套用於指紋和血管分析中,因此可以嘗試採用該方法替代邊緣檢測。首先,簡單說明脊的概念。數
學上,脊定義為最大面曲率方向上的極值點,可通過計算Hessian矩陣的特徵值進行檢測。固定尺度脊向量對
目標寬度是非常敏感的。它使得尺度參數隨著圖像中脊結構進行自動調節。

值得注意的是,即使脊能夠很好地描述不同寬度和方向的邊界,檢測仍然會出現錯誤。研究中儘量減少誤檢錯誤(例如漏檢率)。由於分水嶺算法存在過分割,可以結合脊檢測進行圖像分割。

脊檢測的疊代分水嶺方法

脊檢測的疊代分水嶺方法概括如下:

套用脊約束初始化分水嶺

1)雙閾值種子檢測;

2)向量空間脊檢測;

3)疊加脊作為最高吃水線,標記吸水盆地為種子;

4)完成一次分水嶺算法;套用貝葉斯法則疊代分水嶺；

5)設定區域塊機率和特徵機率;

6)貝葉斯偽模組分類;

7)“雙贏”合併;

8)重複以上步驟1)～ 7)直到沒有需要合併的模組,或者達到了最大的疊代次數。