一种基于HSI增强性模型的目标分割方法技术

本发明专利技术公开了一种基于HSI增强性模型的目标分割方法，该方法通过将输入的彩色图像由RGB图像空间转换到HSI图像空间，并获取HSI图像空间的每个分量图像的色度特征、饱和度特征和亮度特征，再将色度特征图、饱和度特征图和亮度特征图进行加权融合，得到每个分量图像的增强性图，并构成HSI增强性模型；再将HSI增强性模型由HSI图像空间转换到RGB图像空间，然后进行图像灰度化处理，最后对灰度图像依次进行最大类间方差阈值处理和形态学处理，得到最终的目标分割图像。因此，本发明专利技术提升了对复杂背景分割的处理效果，而且不需要消耗太多的计算量。

【技术实现步骤摘要】
一种基于HSI增强性模型的目标分割方法
本专利技术属于数字图像处理及计算机视觉
，涉及一种利用HSI图像空间方法的基础上对复杂环境的目标区域的图像分割方法。
技术介绍
图像分割是指把图像分解成各具属性和特点的区域并提取出感兴趣目标的技术和过程，它是计算机视觉领域扩展的一个重要而且基本的问题，分割结果的好坏将直接影响到视觉系统的性能。因此，在应用上图像分割是图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。常用的传统的分割方法只能应用于一些特定的图像，比如目标区域与背景有较大的区别，或者是边缘信息较为明显。在一些背景较为复杂时，传统方法将不适用。近年来提出的人工神经网络来分割复杂的背景图像有着明显的效果，是对一张图片中的每个像素进行分类，以此达到对图片特定部分进行分类的效果。但由于计算量庞大，需要巨大的处理消耗，不易实现。
技术实现思路
本专利技术的目的在于：针对解决传统图像分割方法对复杂背景分割的处理效果不好，以及人工神经网络分割方法计算量大的问题，而提出一种基于HSI增强性模型的图像分割方法，实现简单快速的复杂背景图像中的目标分割。为了实现上述专利技术目的，本专利技术提供了以下技术方案：一种基于HSI增强性模型的目标分割方法，其包括以下步骤：步骤S1：将输入的彩色图像由RGB图像空间转换到HSI图像空间；步骤S2：提取HSI图像空间中的H、S和I三个分量图像，并计算出每个分量图像的色度特征图、饱和度特征图和亮度特征图，再将色度特征图、饱和度特征图和亮度特征图进行加权融合，得到每个分量图像的增强性图，并构成HSI增强性模型；步骤S3：将所述HSI增强性模型由HSI图像空间转换到RGB图像空间；步骤S4：对转换到RGB图像空间后的所述HSI增强性模型进行图像灰度化处理，得到灰度图像；步骤S5：对所述灰度图像依次进行最大类间方差阈值处理和形态学处理，得到目标分割图像。根据一种具体的实施方式，本专利技术基于HSI增强性模型的目标分割方法的步骤S2中，采用多尺度高斯卷积提取出每个分量图像的色度特征、饱和度特征和亮度特征，再对提取到的每个分量图像的色度特征、饱和度特征和亮度特征进行线性滤波和gamma函数变换，得到每个分量图像的色度特征图、饱和度特征图和亮度特征图。根据一种具体的实施方式，本专利技术基于HSI增强性模型的目标分割方法的步骤S3还包括：步骤S301：将所述HSI增强性模型的H、S、I三分量归一化；步骤S302：将H分量扩大360倍，并按照以下公式进行图像空间的转换；当0＜H＜120，H位于RG扇形时，RGB分量为：G＝3I-(R+B)B＝I(1-S)当120＜H＜240，H位于GB扇区时，RGB分量为：R＝I(1-S)B＝3I-(R+G)而且，先令H＝H-120，然后再计算；当240＜H＜360，H位于BR扇区时，RGB分量为：R＝3I-(R+B)G＝I(1-S)而且，先令H＝H-240，然后再计算。根据一种具体的实施方式，本专利技术基于HSI增强性模型的目标分割方法的步骤S4中，对所述增强性模型进行图像灰度化处理的方式为：Gray＝aR+bG+cBa+b+c＝1其中，Gray表示灰度值，且a、b、c分别为R、G、B的权重。与现有技术相比，本专利技术的有益效果：本专利技术基于HSI增强性模型的目标分割方法，通过将输入的彩色图像由RGB图像空间转换到HSI图像空间，并通过获取HSI图像空间的每个分量图像的色度特征、饱和度特征和亮度特征，再将色度特征图、饱和度特征图和亮度特征图进行加权融合，得到每个分量图像的增强性图，并构成HSI增强性模型；再将HSI增强性模型由HSI图像空间转换到RGB图像空间，然后进行图像灰度化处理，最后对灰度图像依次进行最大类间方差阈值处理和形态学处理，得到最终的目标分割图像。，得到最终的目标分割图像。因此，本专利技术提升了对复杂背景分割的处理效果，而且不需要消耗太多的计算量。附图说明：图1为本专利技术的流程图；图2为本专利技术构成HSI增强性模型的流程示意图。具体实施方式下面结合试验例及具体实施方式对本专利技术作进一步的详细描述。但不应将此理解为本专利技术上述主题的范围仅限于以下的实施例，凡基于本
技术实现思路
所实现的技术均属于本专利技术的范围。结合图1所示的本专利技术的流程示意图；其中，本专利技术基于HSI增强性模型的目标分割方法以下步骤：步骤S1：将输入的彩色图像由RGB图像空间转换到HSI图像空间。具体的，首先提取R、G、B、三分量，将R、G、B、三分量归一化，构建RGB图像空间到HSI图像空间，利用如下转换公式：其中，Max＝max(R，G，B)，Min＝min(R，G，B)。步骤S2：提取HSI图像空间中的H、S和I三个分量图像，并计算出每个分量图像的色度特征图、饱和度特征图和亮度特征图，再将色度特征图、饱和度特征图和亮度特征图进行加权融合，得到每个分量图像的增强性图，并构成HSI增强性模型。具体的，结合图2所示的本专利技术构成HSI增强性模型的流程示意图；其中，采用多尺度高斯卷积提取出H、S和I分量图像的色度特征、饱和度特征和亮度特征，再对提取到的每个分量图像的色度特征、饱和度特征和亮度特征进行线性滤波和gamma函数变换，得到每个分量图像的色度特征图、饱和度特征图和亮度特征图，经过加权融合后，得到HSI增强性模型。因此，本专利技术通过上述方式得到的HSI增强性模型能够去除背景中的暗黑区域，减淡非目标区域的干扰成分，增强目标信息。步骤S3：将HSI增强性模型由HSI图像空间转换到RGB图像空间；具体的，步骤S3还包括：步骤301和步骤302。步骤S301：将HSI增强性模型的H、S、I三分量归一化。步骤S302：将H分量扩大360倍，并按照以下公式进行图像空间的转换；当0＜H＜120，H位于RG扇形时，RGB分量为：G＝3I-(R+B)B＝I(1-S)当120＜H＜240，H位于GB扇区时，RGB分量为：R＝I(1-S)B＝3I-(R+G)而且，先令H＝H-120，然后再计算。当240＜H＜360，H位于BR扇区时，RGB分量为：R＝3I-(R+B)G＝I(1-S)而且，先令H＝H-240，然后再计算。步骤S4：对转换到RGB图像空间后的所述HSI增强性模型进行图像灰度化处理，得到灰度图像；具体的，进行图像灰度化处理的方式为：Gray＝aR+bG+cBa+b+c＝1其中，Gray表示灰度值，且a、b和c为权重，均为不为零的数值。可以根据对每一个像素点的红色光，绿色光，蓝色光的敏感程度不同而赋予不同的权重组合。步骤S5：对步骤4中得到的灰度图像依次进行最大类间方差阈值处理和形态学处理，得到最终的目标分割图像。其中，最大类间方差阈值处理和形态学处理均可采用OpenCV或者Matlab实现。本文档来自技高网...

【技术保护点】
1.一种基于HSI增强性模型的目标分割方法，其特征在于，包括以下步骤，步骤S1：将输入的彩色图像由RGB图像空间转换到HSI图像空间；步骤S2：提取HSI图像空间中的H、S和I三个分量图像，并计算出每个分量图像的色度特征图、饱和度特征图和亮度特征图，再将色度特征图、饱和度特征图和亮度特征图进行加权融合，得到每个分量图像的增强性图，并构成HSI增强性模型；步骤S3：将所述HSI增强性模型由HSI图像空间转换到RGB图像空间；步骤S4：对转换到RGB图像空间后的所述HSI增强性模型进行图像灰度化处理，得到灰度图像；步骤S5：对所述灰度图像依次进行最大类间方差阈值处理和形态学处理，得到目标分割图像。

【技术特征摘要】
1.一种基于HSI增强性模型的目标分割方法，其特征在于，包括以下步骤，步骤S1：将输入的彩色图像由RGB图像空间转换到HSI图像空间；步骤S2：提取HSI图像空间中的H、S和I三个分量图像，并计算出每个分量图像的色度特征图、饱和度特征图和亮度特征图，再将色度特征图、饱和度特征图和亮度特征图进行加权融合，得到每个分量图像的增强性图，并构成HSI增强性模型；步骤S3：将所述HSI增强性模型由HSI图像空间转换到RGB图像空间；步骤S4：对转换到RGB图像空间后的所述HSI增强性模型进行图像灰度化处理，得到灰度图像；步骤S5：对所述灰度图像依次进行最大类间方差阈值处理和形态学处理，得到目标分割图像。2.如权利要求1所述的基于HSI增强性模型的目标分割方法，其特征在于，步骤S2中，采用多尺度高斯卷积提取出每个分量图像的色度特征、饱和度特征和亮度特征，再对提取到的每个分量图像的色度特征、饱和度特征和亮度特征进行线性滤波和gamma函数变换，得到每个分量图像的色度特征图、饱和度特征图和亮...

【专利技术属性】
技术研发人员：常永鑫，陈家骏，青小渠，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川,51