The embodiment of the present invention provides a multi-objective image segmentation method, which includes: establishing an image feature descriptor based on sparse signal; describing the image feature distance by using the EMD distance based on interpolated wavelet, defining a more accurate image feature interpolation wavelet EMD distance; using the EMD distance of interpolated wavelet as the measure of image region similarity, establishing the image segmentation variational model. The constraints of image segmentation results are determined, and the constraints of image segmentation variational model and segmentation results are expressed as non-linear rules. The homotopy optimization model of image segmentation is constructed to compensate the image feature errors caused by iterative solution, so as to realize the controllable segmentation of object images. This method can describe image features comprehensively, and the distance of image features can accurately reflect the subtle differences between different features, and the image segmentation model adopted will not lead to the weakening of image features.
【技术实现步骤摘要】
一种多目标图像的分割方法
本专利技术实施例涉及图像处理领域,尤其涉及一种多目标图像的分割方法。
技术介绍
在智慧农业中,对农作物图像的分析是很重要的。对农作物图像分析,经常需要针对同一图像实现不同目标物的可控分割,以满足不同作业管理需求,例如识别蔬菜叶片不同病斑从而分别用药、成熟水果的选择采摘、庄稼株间杂草的识别等。农作物图像的特点是图像中目标物多且图像背景复杂、特征相近。首先,大多数农作物图像属于多目标图像,不同成熟度的目标物可能混杂在一起,且目标物纹理和图像背景类似。如图1a所示,成熟的瓜果隐藏在绿叶中,很难将其分辨出。又如图1b所示的葡萄叶上的根瘤蚜虫,由于根瘤蚜虫的颜色与葡萄叶的颜色非常接近,在图像中很难进行分辨。其次,目标物的图像不完整。目标图像和背景物体之间相互掩映,如西瓜、苹果等果实的叶和茎相互交错,导致目标物图像外形缺失,很难根据外形对目标物进行识别。再次,目标物和背景物外形和生物成分均类似,如图1c所示的株间杂草与禾苗,或者如图1d所示的带有病虫害的叶片和健康的植物叶片等,这些图像即使采用多光谱信息也很难将目标物和背景物区分开。第四,目标物的形状、大小、方向不唯一,可见光的亮度、噪声等对图像质量也有很大影响,并且要满足农业自动化的需要,对目标物的识别速度要快。上述这些问题给果实生长情况监控及自动采摘、农作物生产管理等都带来很大障碍。为解决图像中目标物的识别,目前的主要方法是利用格子玻尔兹曼(LatticeBoltzmannMethod,LBM)计算遮挡因子,或者利用融合深度信息的方法解决遮挡问题,但由于图像中目标物和背景相近,会导致图像的 ...
【技术保护点】
1.一种多目标图像的分割方法,其特征在于,包括:S1、建立基于稀疏信号的图像特征描述子;S2、采用基于插值小波的EMD距离对图像的特征距离进行描述,定义更精确的图像特征插值小波EMD距离;S3、采用插值小波EMD距离作为图像区域相似性的测度,建立图像分割变分模型;S4、确定对图像分割结果的约束条件,并将图像分割变分模型与分割结果的约束条件表示为非线性规则;S5、构造图像分割同伦优化模型,使得迭代求解造成的图像特征误差得到补偿,从而实现目标物图像的可控分割。
【技术特征摘要】
1.一种多目标图像的分割方法,其特征在于,包括:S1、建立基于稀疏信号的图像特征描述子;S2、采用基于插值小波的EMD距离对图像的特征距离进行描述,定义更精确的图像特征插值小波EMD距离;S3、采用插值小波EMD距离作为图像区域相似性的测度,建立图像分割变分模型;S4、确定对图像分割结果的约束条件,并将图像分割变分模型与分割结果的约束条件表示为非线性规则;S5、构造图像分割同伦优化模型,使得迭代求解造成的图像特征误差得到补偿,从而实现目标物图像的可控分割。2.根据权利要求1所述的方法,其特征在于,所述步骤S1进一步包括:在Beltrami模型框架下建立基于稀疏信号的图像特征描述子,将插值小波作为稀疏基。3.根据权利要求1所述的方法,其特征在于,所述图像分割变分模型利用非负矩阵分解对图像进行分割,并且采用与CV模型类似的能量函数。4.根据权利要求1所述的方法,其特征在于,所述非线性规则为:minf(x),s.t.h(x)=0,g(x)≤0其中,f(x)是目...
【专利技术属性】
技术研发人员:梅树立,齐建芳,李丽,王爱萍,张馨心,王庆,陈洪,
申请(专利权)人:中国农业大学,
类型:发明
国别省市:北京,11
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。