一种适用于空间非合作目标的多特征图像分割定位方法
【专利说明】一种适用于空间非合作目标的多特征图像分割定位方法 【技术领域】
[0001] 本发明属于图像处理与计算机视觉领域，具体涉及一种适用于空间非合作目标的 多特征图像分割定位方法。 【【背景技术】】
[0002] 视觉是人类获取外界信息的重要途径，研究表明，日常生活中人类有超过70%的 信息是通过眼睛以视觉的形式获取，而图像则是信息的重要载体。随着图像处理技术的日 益发展，图像的尺寸、分辨率逐渐增大，其包含的信息也在不断丰富，这给图像处理算法和 设备的运行带来较大压力。但对于大部分应用而言，如行人监控、人脸识别等，我们一般只 关心图像中包含某种特征物体的区域，对其他区域并不感兴趣，而它们通常只占整幅图像 的一小部分，因此直接处理整幅图像是没有必要的。如何在整幅图像中快速、有效地提取特 定的感兴趣区域便成为重要的研究内容。
[0003] 图像目标检测一直以来都是计算机视觉中非常活跃的研究方向，在很多领域都得 到广泛应用，如行人检测、人脸识别、目标实时跟踪等，其中基于图像分割的方法是进行目 标检测定位的重要途径。图像分割的目的在于判断图像中的每一个像素是否属于前景物体 或背景。但传统的图像分割算法在实际应用中主要面临两个问题：1、能够精确处理图像的 通用分割算法还没有出现，算法需根据具体应用调整参数设置；2、算法的时间复杂度往往 较高，很难满足实时性的要求。比如GS (Graph-based Segmentation)算法，虽然其运行时 间较快，但算法无法对超像素的尺寸等参数进行调整；基于NC(N〇rmali zed Cuts)的分割 算法能够方便地调整超像素的数目，但其时间开销过大，且分割效果并不理想。因此采用一 种速度快、效果好的分割方法，并设计能够提取超像素判别特征的特征表达算子，从而完成 定位过程，具有十分重要的意义。
[0004] 本发明基于 SLIC (Simple Linear Iterative Clustering)方法和反应超像素不 同特征的描述算子，通过与传统目标检测算法的比较，进一步验证了本算法在目标识别精 度、运行效率上的优势，同时算法对噪声具有一定的鲁棒性，有广泛的应用前景。 【
【发明内容】
】
[0005] 本发明的目的在于弥补现有图像分割定位算法在运行速度、适应范围和鲁棒性上 的不足，提供一种无需标记信息，并实现图像目标快速检测的适用于空间非合作目标的多 特征图像分割定位方法。
[0006] 为达到上述目的，本发明所采用的技术方案包括以下步骤：
[0007] 1)选取包含非合作目标的图像作为待处理图像，应用SLIC算法将图像分割 为尺寸以及内部元素特征相似的超像素，超像素互不重合，且有唯一的标记信息i(i = 0，1，2，~^1)』表示超像素的总数目；
[0008] 2)选取i = 0所对应的超像素区域X1，计算区域的主次方向比，作为当前区域的 方向特征
[0009] 3)计算超像素区域X1的方差，作为当前区域的方差特征if，BP :
[0010]
[0011] 其中，Xlj表示X i转化为灰度图像后第j个像素对应的灰度值；
[0012] 4)计算超像素区域X1的面积与周长的比值if作为当前区域的第三个特征，则：
[0013]
[0014] 其中，？1表示区域X ^勺边界中所包含的像素个数；
[0015] 5)依次遍历其余超像素，并计算每一个超像素所对应的特征
；级联上述 三个特征，形成对超像素 X1的最终评价
，其中C1, c2, C3表示每个特征 对最终评价值的权重；
[0016] 采用二维高斯分布生成满足上述要求的权重分布，即：
[0017]
[0018] 其中，W1表示第i个超像素对应的权重；
[0019] 对所有特征进行归一化，得到：
[0021] 6)将每个超像素的最终评价指标按照从高到低的顺序进行排序，评价指 标高于阈值T的超像素作为图像定位的候选区域，其中
_ λ表示一常数，
表示取均值函数；
[0022] 7)将原图像进行滤波操作，得到细节模糊后的图像，重复步骤1)至步骤6)，得到 的候选区域与之前的候选区域求交集，完成对图像的定位。
[0023] 本发明进一步的改进在于：
[0024] 所述步骤2)中，计算区域的主次方向比的具体步骤为：
[0025] 2-1)计算区域X1的斜方差矩阵Γ 1:
[0027] 其中，叫表示区域像素的个数，表示第j个像素对应的向量，向量元 素为像素点在图像中的横、纵坐标。
[0028] 2-2)对斜方差矩阵Γ i进行特征分解，得到特征向量V i和特征值λ _，λ _，使得
[0029]
[0030] 2-3)计算主次方向
。
[0031] 与现有技术相比，本发明具有以下有益效果：
[0032] 本发明通过控制超像素的尺寸可以缩小相似像素判定时的搜索范围，因此本发明 的时间复杂度较小，其只与图像中像素的数目有关；本发明产生的超像素更符合图像中的 纹理分布，通过级联不同特征，超像素候选区域对目标具有更优的表示能力，因此其分割定 位效果更好；本发明图像不同特征元素的快速分割、识别，能够为图像中显著物体的识别提 供良好的区域特征表示。 【【附图说明】】
[0033] 图1为本发明的流程图；
[0034] 图2为本发明的超像素权重分布示意图； 【【具体实施方式】】
[0035] 以下结合附图对本发明进行详细的描述。应当指出的是，所描述的实施例仅旨在 便于对本发明的理解，而对其不起任何限定作用。
[0036] 参见图1，本发明一种适用于空间非合作目标的多特征图像分割定位方法，其主 要由图像分割、超像素主次方向比特征计算、超像素方差特征计算、超像素面积周长特征计 算、特征加权融合和目标定位六部分构成。
[0037] 该方法具体包括步骤如下：
[0038] L图像分割：
[0039] 选取包含非合作目标的图像作为待处理图像，应用SLIC (Simple Linear Iterative Clustering)算法将图像分割为尺寸相当、内部元素特征相似的超像素。超像素 互不重合，且有唯一的标记信息i (i = 0, 1，2,…N-1)，N表示超像素的总数目。简要做法如 下：
[0040] 1)