基于T型结点线索的图像物体分割算法制造技术

本发明专利技术公开了一种基于T型结点线索的图像物体分割算法，通过采用L0梯度最小化方法去噪平滑，在此基础上进行适度过分割得到粗糙分割题，利用T结点线索引导分割区域合并，得到最终精细的图像物体分割图。本发明专利技术既可以克服噪声影响又可剔除细小纹理对初始分割的干扰，融合T型结点线索的区域合并策略准确高效，且无任何复杂迭代运算，实时性高，分割效率高，可获取较好的具有语义的物体分割结果，可应用于深度恢复、图像分类和三维重建等领域。

【技术实现步骤摘要】
基于T型结点线索的图像物体分割算法
本专利技术涉及数字图像处理领域，具体是涉及一种基于T型结点线索的图像物体分割算法，可应用于三维重建、深度恢复和图像复原。
技术介绍
图像分割作为数字图像处理和计算机视觉领域一个基础性研究课题，在目标识别、场景重建、分类等方面有着广泛应用。一般情况下，图像分割算法总是针对特定的图像类型和分割目的，以便获得有效的分割结果。现今图像分割算法种类繁多，其中，有关颜色特征空间聚类的算法由于其边缘定位精确、控制参数少、分割结果优异等特点受到广泛关注和深入研究，代表性方法包括：K-means(参见文献：FischlerMA,BollesRC.RandomSampleConsensus:AParadigmforModelFittingwithApplicationstoImageAnalysisandAutomatedCartography.CommunicationsoftheAcm,1980,24(6):381-395.)和MeanShift(参见文献：ComaniciuD,MeerP.Meer,P.:Meanshift:ARobustApproachTowardFeatureSpaceAnalysis.IEEETransactionsonPatternAnalysisandMachineIntelligence,2002,24(5):603-619.)。然而此类算法仅考虑局部信息，其适应范围局限性较大，当同一物体本身颜色特征差异较大，其分割结果极易出现过分割现象，导致分割结果欠佳,很难获得具有语义的图像物体分割结果；为了改善仅考虑局部信息的不足，在利用颜色信息的基础上结合全局信息的图论分割算法得到较好的研究，代表性的算法包括：基于图割(GraphCut)的方法(参见文献：BoykovYY,JollyMP.Interactivegraphcutsforoptimalboundary&regionsegmentationofobjectsinN-Dimages,ICCV2001,2001:105-112.)、归一化切割(NormalizedCut)算法(参见文献：ShiJ,MalikJ.Normalizedcutsandimagesegmentation.IEEETrans.patternAnal.mach.intell,2000,22(8):888-905.)等。此类算法虽综合考虑全局信息，改进了仅考虑局部信息的不足，但由于其仍利用颜色信息，调整参数多，过分割依然没有得到很好的解决，也很难获得优异的分割结果；基于图论(Graph-Based)的分割算法(参见文献：FelzenszwalbPF,HuttenlocherDP.EfficientGraph-BasedImageSegmentation.InternationalJournalofComputerVision,2004,59(2):167-181.)将图像像素矩阵构造为无向带权图，基于类内差最小和类间差最大，即类间差异尽量最大，二类类像素差异尽量保持最小的准则下得到可调节的分割结果。Graph-Based算法中阈值参数K用以控制分割区域块的大小，如何选取合适的k值很难控制，针对不同类型和大小场景的图像，取值各异，参数选取误差会导致过分割与过合并现象的发生，分割准确率低。
技术实现思路
专利技术目的：为了克服现有技术中存在的图像分割算法中普遍的过分割和过合并的难题，提供一种基于T型结点线索的图像物体分割算法，本算法采用L0梯度最小化方法去噪平滑，在此基础上进行适度过分割得到粗糙分割题，利用T结点线索引导分割区域合并，得到最终精细的图像物体分割图。技术方案：为实现上述目的，本专利技术提供一种基于T型结点线索的图像物体分割算法，具体包括以下步骤：步骤1)：采集一幅常规目标场景图像；步骤2)：对采集到的常规目标场景图像分别进行去噪平滑后得到粗糙分割图和计算获得图像中蕴含的T结点信息图两方面处理，其中利用输入图像得到粗糙分割图表示为A，其具体步骤为：A1、利用L0梯度最小化方法，即利用图像非零梯度个数达到保留有价值的边缘细节的目的，同时剔除细小无价值部分，方程为：c(f)＝#{p||fp-fp+1|≠0}(1)其中f为原图处理后的结果，p和p-1为图像中的相邻像素点，|fp-fp+1|表示相邻像素的梯度，#{}为计数符号，输出结果为满足公式(1)条件的个数，即梯度值非零的个数，式中c(f)计算结果并非梯度的变化，其结果在边缘强度变化时不受影响，该方法不改变图像的内容，仅选择性的保留细节成分，所以最终结果f与原始图像具有一致性；A2、将A1步骤输出图像构造成无向图G＝(V,E),vi∈V，图像像素点对应于无向图中的点，权值w(vi,vj)表示像素点之间的相关性权值，即无向图中的边，适度过分割粗糙分割结果可表示为：其中Ci表示互不相交的分割子集。其中利用原始输入图像计算获得图像中蕴含的T结点信息图表示为B，其具体步骤为：B1、利用Harris检测算法检测出原始输入图像的潜在的T型候选点集，Harris算法将每一点的相似度抽象为：E(x,y)＝(x,y)M(x,y)T(3)其中，算法核心即为计算矩阵M的特征值，由此得到图像中由遮挡形成的结点候选点集；B2、采用置信度p对结点候选点集进行筛选，可表示为：p＝pcolorpanglepcurve(4)其中pcolor、pangle、pcurve为图像结点局部领域的颜色、角度和曲率特征参数分别表示为：其中，λ为候选结点局部局部领域块{hi|i＝1,2,3}之间陆地移动距离其中，Θ为候选结点局部局部领域块之间的角度变化其中，Υ为候选结点局部局部领域块边界的曲率情况，由此，计算得到T型结点图；步骤3)：设计基于T型结点线索的分割区域融合策略对粗糙分割图进行优化，得到优化后图像，即图像物体分割结果表示为C，其具体方法为：C1、判断分割块之间是否包含T结点，包含则不合并，不包含则合并，是否融合可表示为：其中R为相邻的分割块；C2、场景图像中目标物体之间存在结点表明其存在遮挡，意味着非同一目标物，判断完成之后输出图像物体分割结果。有益效果：本专利技术与现有技术相比，利用L0梯度最小化方法去噪平滑，既可以克服噪声影响又可剔除细小纹理对初始分割的干扰，融合T型结点线索的区域合并策略准确高效，且无任何复杂迭代运算，实时性高，分割效率高，可获取较好的具有语义的物体分割结果，可应用于深度恢复、图像分类和三维重建等领域。附图说明图1为本专利技术的算法流程图；图2为本专利技术中图像T型结点结构示意图；图3为本专利技术中图像物体分割结果和Graph-Based方法分割结果效果对比图。具体实施方式下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。实施例1：如图1和图2所示，本专利技术提供一种基于T型结点线索的图像物体分割算法，具体包括以下步骤：步骤1)：采集一幅常规目标场景图像；步骤2)：对采集到的常规目标场景图像分别进行去噪平滑后得到粗糙分割图和计算获得图像中蕴含的T结点信息图两方本文档来自技高网...

【技术保护点】
基于T型结点线索的图像物体分割算法，其特征在于：具体包括以下步骤：步骤1)：采集一幅常规目标场景图像；步骤2)：对采集到的常规目标场景图像分别进行去噪平滑后得到粗糙分割图和计算获得图像中蕴含的T结点信息图两方面处理，其中利用输入图像得到粗糙分割图表示为A，其具体步骤为：A1、利用L0梯度最小化方法，即利用图像非零梯度个数达到保留有价值的边缘细节的目的，同时剔除细小无价值部分，方程为：c(f)＝#{p||f

【技术特征摘要】
1.基于T型结点线索的图像物体分割算法，其特征在于：具体包括以下步骤：步骤1)：采集一幅常规目标场景图像；步骤2)：对采集到的常规目标场景图像分别进行去噪平滑后得到粗糙分割图和计算获得图像中蕴含的T结点信息图两方面处理，其中利用输入图像得到粗糙分割图表示为A，其具体步骤为：A1、利用L0梯度最小化方法，即利用图像非零梯度个数达到保留有价值的边缘细节的目的，同时剔除细小无价值部分，方程为：c(f)＝#{p||fp-fp+1|≠0}(1)其中f为原图处理后的结果，p和p-1为图像中的相邻像素点，|fp-fp+1|表示相邻像素的梯度，#{}为计数符号，输出结果为满足公式(1)条件的个数，即梯度值非零的个数，式中c(f)计算结果并非梯度的变化，其结果在边缘强度变化时不受影响，该方法不改变图像的内容，仅选择性的保留细节成分，所以最终结果f与原始图像具有一致性；A2、将A1步骤输出图像构造成无向图G＝(V,E),vi∈V，图像像素点对应于无向图中的点，权值w(vi,vj)表示像素点之间的相关性权值，即无向图中的边，适度过分割粗糙分割结果可表示为：其中Ci表示互不相交的分割子集。其中利用原始输入图像计算获得图像中蕴含的T结点信息图表示为B，其具体步骤为：B1、利用Harris检测算法检测出原始输入图像的潜在的T型候选点集，Harris算法将...

【专利技术属性】
技术研发人员：曹风云，施培蓓，杨雪洁，钱言玉，韩潇，胡玉娟，
申请(专利权)人：合肥师范学院，
类型：发明
国别省市：安徽,34