【技术实现步骤摘要】
本专利技术属于图像处理
,特别涉及一种超像素分割方法,可用于图像分类、目标识别、目标跟踪等要求检测目标的场合。
技术介绍
超像素是图像中一系列位置相邻且亮度、颜色、纹理等特征相似的像素点组成的小区域。超像素具有良好的局部特征表达能力,能够提取图像的中层特征,并方便地表达图像的结构信息。将超像素分割作为图像处理算法的预处理步骤,能够大幅降低后续处理的计算复杂度。超像素分割已经成为计算机视觉领域的一项关键技术,并被应用于多种视觉任务,如图像分割、深度估计、显著性检测、人体姿态估计、目标识别等。简单线性迭代聚类SLIC算法是目前应用最广泛的超像素分割算法。与其他现有超像素分割算法相比,如Shi等人的Normalized Cuts算法、Levinshtein等人的Turbopixels算法、Vedaldi等人的Quick Shift算法等,SLIC算法复杂度更低,对边缘的贴合度更好,生成的超像素更紧凑、形状更规则。同时,SLIC算法原理简单、使用方便,能够控制超像素的数量。但是SLIC算法对图像中细小虚弱边缘的贴合度仍有待提升,SLIC算法容易将处于细小或虚弱边缘处的像素点与相邻背景像素点分到同一个超像素中,降低超像素对细小虚弱边缘的贴合度。
技术实现思路
本专利技术的目的在于针对上述SLIC算法对细小虚弱边缘贴合度较低的不足,提出一种基于边界信息融合的超像素分割方法,以在不降低传统SLIC算法边缘贴合度的前提下,提高超像素对细小虚弱边缘的贴合度。实现本专利技术的技术思路是:初始化平面聚类中心和边界聚类中心,融合边界信息对像素点与平面聚类中心和边界聚类中心的距 ...
【技术保护点】
基于边界信息融合的超像素分割方法,包括:(1)计算原始彩色图像I的二值化边界图像B;(2)对原始彩色图像I进行颜色空间转换,得到LAB颜色空间的转换彩色图像Ilab;(3)在转换彩色图像Ilab平面内,按照六边形分布初始化平面聚类中心Pa:(3a)以像素为单位分别计算平面聚类中心的水平步长Sh和垂直步长Sv:Sh=N(3/2)·K,Sv=32·Sh,]]>其中,N为图像像素点总数,K为期望的超像素数目;(3b)对平面聚类中心进行行向初始化,即在转换彩色图像Ilab平面内,从行像素开始,每间隔Sv行,选定一行像素作为平面聚类中心所在行;(3c)对平面聚类中心进行列向初始化:对于奇数行,从列像素开始,每间隔Sh列,选定一个像素作为平面聚类中心初始值;对于偶数行,从Sh列像素开始,每间隔Sh列,选定一个像素作为平面聚类中心初始值;(3d)将步骤(3b)‑(3c)产生的平面聚类中心标记为Pa,a=1,2,...,NP,NP为平面聚类中心总数;(4)在平面聚类中心的局部范围内初始化边界聚类中心Eb:(4a)在转换彩色图像Ilab平面内确定搜索窗口:在转换彩 ...
【技术特征摘要】
1.基于边界信息融合的超像素分割方法,包括:(1)计算原始彩色图像I的二值化边界图像B;(2)对原始彩色图像I进行颜色空间转换,得到LAB颜色空间的转换彩色图像Ilab;(3)在转换彩色图像Ilab平面内,按照六边形分布初始化平面聚类中心Pa:(3a)以像素为单位分别计算平面聚类中心的水平步长Sh和垂直步长Sv: S h = N ( 3 / 2 ) · K , S v = 3 2 · S h , ]]>其中,N为图像像素点总数,K为期望的超像素数目;(3b)对平面聚类中心进行行向初始化,即在转换彩色图像Ilab平面内,从行像素开始,每间隔Sv行,选定一行像素作为平面聚类中心所在行;(3c)对平面聚类中心进行列向初始化:对于奇数行,从列像素开始,每间隔Sh列,选定一个像素作为平面聚类中心初始值;对于偶数行,从Sh列像素开始,每间隔Sh列,选定一个像素作为平面聚类中心初始值;(3d)将步骤(3b)-(3c)产生的平面聚类中心标记为Pa,a=1,2,...,NP,NP为平面聚类中心总数;(4)在平面聚类中心的局部范围内初始化边界聚类中心Eb:(4a)在转换彩色图像Ilab平面内确定搜索窗口:在转换彩色图像Ilab平面内,将以平面聚类中心Pa为中心的Sh×Sh邻域范围作为搜索窗口WP,并记录WP在图像平面内的几何位置,记为[r0,c0,Δr,Δc],其中r0、c0分别为搜索窗口左上角像素点的行号、列号,Δr、Δc分别为搜索窗口的行宽、列宽;(4b)在二值化边界图像B平面内确定边界窗口:在二值化边界图像B平面内,将左上角像素坐标为[r0,c0],行宽为Δr,列宽为Δc的矩形范围作为边界窗口WB;(4c)在转换彩色图像Ilab平面内初始化边界聚类中心:将WP与WB进行与运算,若运算结果中含有非零元素,说明平面聚类中心Pa的Sh×Sh邻域范围内存在边界点,随机选取边界点的一个中值点,将其作为边界聚类中心的初始值;若运算结果中没有非零元素,说明平面聚类中心Pa的Sh×Sh邻域范围内没有边界点,则不产生任何边界聚类中心;(4d)将步骤(4c)产生的边界聚类中心标记为Eb,b=1,2,...,NE,NE为边界聚类中心总数;(5)将所有平面聚类中心和边界聚类中心更新为各自3×3邻域内的梯度最小点,得到更新后的平面聚类中心Pa′...
【专利技术属性】
技术研发人员:王海,彭雄友,刘岩,秦宏波,赵伟,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西;61
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。