本发明涉及图像分割领域,尤其是涉及了一种基于超像素的动态户外环境中的自动分割方法。
背景技术:
图像的研究和应用中,人们往往对图像中的某些部分感兴趣,这些感兴趣的部分对应于图像中特定的、具有特殊性质的区域,我们称之为目标或前景,其他部分成为图像的背景。为了辨识和分辨目标,我们需要把目标从图像中孤立出来,这就是图像分割。该技术在农业上可用于资源普查、农业规划、农作物产量估计、病虫害检测、森林调查等许多方面;在医学上,又可以用于对病灶的分割提取,从而用于临床研究和治疗。然而在现有的技术中,由于数据采集常常是在户外进行,照明条件不稳定,因此图像会受其影响,从而对分割造成一定的难度。
本发明提出了一种基于超像素的动态户外环境中的自动分割方法,先将图像转换为色调饱和度值色彩空间,并将其分割成超像素,使用能量驱动采样方法计算超像素,再使用最大类间方差法生成阈值色调图像,接着利用超像素组估计背景像素的概率分布,将色调图像与分布进行比较,生成像素标签,最后创建包括感兴趣对象和背景对象的区域的掩码图像。本发明利用低纹理超像素,使用最大类间方差法生成阈值色调图像,使得在照明条件不稳定的条件下也能准确分割,而且算法简单,准确度也有所提高。
技术实现要素:
针对照明条件不稳定的问题,本发明的目的在于提供一种基于超像素的动态户外环境中的自动分割方法,先将图像转换为色调饱和度值色彩空间,并将其分割成超像素,使用能量驱动采样方法计算超像素,再使用最大类间方差法生成阈值色调图像,接着利用超像素组估计背景像素的概率分布,将色调图像与分布进行比较,生成像素标签,最后创建包括感兴趣对象和背景对象的区域的掩码图像。
为解决上述问题,本发明提供一种基于超像素的动态户外环境中的自动分割方法,其主要内容包括:
(一)计算低纹理超像素;
(二)使用最大类间方差法生成阈值色调图像;
(三)估计背景分布;
(四)像素标签分配;
(五)创建掩码。
其中,所述的自动分割方法,输入图像的色调饱和度值(hsv)色彩空间,输出分割图像;算法步骤如下:
(1)使用能量驱动采样(seeds)方法计算一组超像素
(2)使用最大类间方差法对色相通道进行阈值处理,生成二进制图像t;
(3)基于
(4)根据
(5)创建一个掩码来消除背景对象之外的区域。
其中,所述的计算低纹理超像素,将图像转换为hsv色彩空间,并将其分割成超像素;使用seeds方法计算超像素;在该超像素方法中,图像被划分为网格图案,用作初始的超像素分配;通过迭代修改其边界改进超像素分配。
进一步地,所述的seeds算法,设置seeds算法的参数,使低纹理区域具有与初始网格分配形状相同的超像素,即令
其中,所述的使用最大类间方差法生成阈值色调图像,使用最大类间方差法,通过阈值化hsv图像的色调通道来生成二进制图像t;在二进制图像中,值高于阈值的像素为黑色,其余像素为白色;图像t用于产生图像中低纹理区域的假设,因为低质感背景物体的颜色相对恒定;在应用程序中,蓝色背景对象的颜色值比其他常见颜色(如棕色,灰色或绿色)的颜色值低;只要背景中大部分像素的色调值与前景对象的色彩值不同,则可以使用多级阈值算法来生成t。
其中,所述的估计背景分布,使用算法确定t与
该组超像素
进一步地,所述的算法,它用来确定背景像素,输入时设置低纹理超像素
其中,所述的像素标签分配,将色调图像与分布
其中,所述的创建掩码,创建掩码图像m,其中包括感兴趣对象和背景对象的区域,把它们标记为白色,其它所有区域标记为黑色;最初,
进一步地,所述的掩码,将掩码应用于像素标签图像l,如果m的第i像素为0,则该像素在感兴趣区域之外,并且标记l中的相应像素;在这个应用中,标记值为0的像素,同时,感兴趣的区域内的像素被标记为255×p(fi|hi)。
附图说明
图1是本发明一种基于超像素的动态户外环境中的自动分割方法的系统流程图。
图2是本发明一种基于超像素的动态户外环境中的自动分割方法的计算低纹理超像素。
图3是本发明一种基于超像素的动态户外环境中的自动分割方法的生成阈值色调图像。
图4是本发明一种基于超像素的动态户外环境中的自动分割方法的估计背景分布。
图5是本发明一种基于超像素的动态户外环境中的自动分割方法的像素标签分配和创建掩码。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和具体实施例对本发明作进一步详细说明。
图1是本发明一种基于超像素的动态户外环境中的自动分割方法的系统流程图。主要包括计算低纹理超像素,使用最大类间方差法生成阈值色调图像,估计背景分布,像素标签分配和创建掩码。
自动分割方法,输入图像的色调饱和度值(hsv)色彩空间,输出分割图像;算法步骤如下:
(1)使用能量驱动采样(seeds)方法计算一组超像素
(2)使用最大类间方差法对色相通道进行阈值处理,生成二进制图像t;
(3)基于
(4)根据
(5)创建一个掩码来消除背景对象之外的区域。
图2是本发明一种基于超像素的动态户外环境中的自动分割方法的计算低纹理超像素。将图像转换为hsv色彩空间,并将其分割成超像素;使用seeds方法计算超像素;在该超像素方法中,图像被划分为网格图案,用作初始的超像素分配;通过迭代修改其边界改进超像素分配。
设置seeds算法的参数,使低纹理区域具有与初始网格分配形状相同的超像素,即令
图3是本发明一种基于超像素的动态户外环境中的自动分割方法的生成阈值色调图像。使用最大类间方差法,通过阈值化hsv图像的色调通道来生成二进制图像t;在二进制图像中,值高于阈值的像素为黑色,其余像素为白色;图像t用于产生图像中低纹理区域的假设,因为低质感背景物体的颜色相对恒定;在应用程序中,蓝色背景对象的颜色值比其他常见颜色(如棕色,灰色或绿色)的颜色值低;只要背景中大部分像素的色调值与前景对象的色彩值不同,则可以使用多级阈值算法来生成t。
图4是本发明一种基于超像素的动态户外环境中的自动分割方法的估计背景分布。使用算法确定t与
该组超像素
用该算法来确定背景像素,输入时设置低纹理超像素
图5是本发明一种基于超像素的动态户外环境中的自动分割方法的像素标签分配和创建掩码。将色调图像与分布
创建掩码图像m,其中包括感兴趣对象和背景对象的区域,把它们标记为白色,其它所有区域标记为黑色;最初,
将掩码应用于像素标签图像l,如果m的第i像素为0,则该像素在感兴趣区域之外,并且标记l中的相应像素;在这个应用中,标记值为0的像素,同时,感兴趣的区域内的像素被标记为255×p(fi|hi)。
对于本领域技术人员,本发明不限制于上述实施例的细节,在不背离本发明的精神和范围的情况下,能够以其他具体形式实现本发明。此外,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围,这些改进和变型也应视为本发明的保护范围。因此,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。