The invention discloses an accurate image segmentation method combining depth learning network and watershed algorithm. The DeepLab recognition model is used to recognize the undetermined image, and the initial segmentation image is obtained. The watershed algorithm is used to segment the fixed image, and a group of undetermined regions are obtained. The number of undetermined regions is multiplied by the initial segmentation points, and the undetermined regions are divided into the undetermined areas, otherwise the undetermined areas in the undetermined areas are removed. The method integrates the distance between the undetermined point and the center of matter to be measured and the gray difference between the undetermined point and the foreground and background to judge the attributes of the equivalents, thus realizing the accurate segmentation of the image. The invention utilizes the characteristics of watershed dividing adjacent pixels with similar gray levels, adopts deep learning method, establishes the core area of the object to be measured, and improves the detection accuracy.
【技术实现步骤摘要】
融合深度学习网络和分水岭算法的图像精确分割方法
本专利技术涉及一种在现有技术分割图像基础上进一步提高图像分割精度的方法,具体涉及一种融合深度学习网络和分水岭算法的图像精确分割方法。
技术介绍
图像分割是将图像区分为多个特定区域来代表不同的事物的过程,是目标识别中重要的步骤。在猪的行为检测中,需要将猪从各种背景中识别出来,实现猪的图像分割,为进一步的行为分析打下基础。但由于猪场内各种设施的存在及光照条件的不断变化,传统的图像分割方法很容易失效。近年来,深度学习方法在图像分割中得到了应用。FCN是图像分割最早的经典模型(LONGJ,SHELHAMERE,DARRELLT.Fullyconvolutionalnetworksforsemanticsegmentation;proceedingsoftheProceedingsoftheIEEEconferenceoncomputervisionandpatternrecognition,F,2015),其主要思想是将图像识别的神经网络模型的最后一层全连接层替换成全卷积层。使得原来输出单个识别结果的模型可以进行像素级别的图像识别。MaskRCNN(HEK,GKIOXARIG,DOLLáRP,etal.Maskr-cnn;proceedingsoftheComputerVision(ICCV),2017IEEEInternationalConferenceon,F,2017[C].IEEE.)是在FasterR-CNN(ENS,HEK,GIRSHICKR,etal.FasterR-CNN:towardsreal-ti ...
【技术保护点】
1.一种融合深度学习网络和分水岭算法的图像精确分割方法,其特征在于:包括如下步骤:步骤1:采集多幅不同场景、不同时段、不同拍摄角度的待测物图像,对每一幅待测物图像处理获得待测物初步轮廓,将待测物初步轮廓以外的图像区域变为黑色;步骤2:对步骤1获得的所有待测物图像采用DeepLab神经网络进行模型训练,得到待测物识别模型;步骤3:对待定图像用待测物识别模型进行识别,得到与待定图像大小一致的初始分割图;步骤4:采用分水岭算法对待定图像进行分割,得到一组待定区域,分别用B1、B2…BN表示,N为待定区域数量;步骤5:新建一幅与待定图像大小一致的图像作为参考图像C,然后针对步骤4中的每一个待定区域,采用以下方式处理参考图像C,并根据参考图像C结果处理初始分割图:步骤5.1:选取一个待定区域,计算像素点数量S1,并参考图像C上将与待定区域相同位置图像区域的像素点的灰度值设置为1,其余的像素点的灰度值设置为0;步骤5.2:将参考图像C与初始分割图对应相同位置的像素点逐对相乘,并将相乘的结果更新赋值到参考图像C上;步骤5.3:将参考图像C上所有像素点的灰度值相加,获得灰度值总和S2;步骤5.4:如果 ...
【技术特征摘要】
1.一种融合深度学习网络和分水岭算法的图像精确分割方法,其特征在于:包括如下步骤:步骤1:采集多幅不同场景、不同时段、不同拍摄角度的待测物图像,对每一幅待测物图像处理获得待测物初步轮廓,将待测物初步轮廓以外的图像区域变为黑色;步骤2:对步骤1获得的所有待测物图像采用DeepLab神经网络进行模型训练,得到待测物识别模型;步骤3:对待定图像用待测物识别模型进行识别,得到与待定图像大小一致的初始分割图;步骤4:采用分水岭算法对待定图像进行分割,得到一组待定区域,分别用B1、B2…BN表示,N为待定区域数量;步骤5:新建一幅与待定图像大小一致的图像作为参考图像C,然后针对步骤4中的每一个待定区域,采用以下方式处理参考图像C,并根据参考图像C结果处理初始分割图:步骤5.1:选取一个待定区域,计算像素点数量S1,并参考图像C上将与待定区域相同位置图像区域的像素点的灰度值设置为1...
【专利技术属性】
技术研发人员:饶秀勤,宋晨波,张小敏,高迎旺,应义斌,泮进明,郑荣进,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。