基于改进SLIC算法的紫色土图像分割提取方法技术

本发明专利技术提供一种基于改进SLIC算法的紫色土图像分割提取方法，包括步骤：S1：利用改进后的SLIC算法对包含有紫色土图像的原始图像进行处理；S2：对经超像素分割的图像的a分量进行变换，得到新的测度anew；S3：计算图像中各超像素与标准紫色土超像素基于测度anew均值的相似度；S4：自适应获取超像素合并阈值；S5：根据超像素合并阈值合并紫色土区域；S6：填充空洞，求填充空洞后的二值图像A与原始图像的哈达玛积；本发明专利技术引入闵可夫斯基距离重新计算SLIC算法的颜色空间距离，对紫色土彩色图像进行超像素初分割，然后对a分量变换得到新的测度anew，增强紫色土与背景差异，自适应获取合并超像素阈值，将紫色土图像快速、准确、完整分割提取出来。

Segmentation and extraction of purple soil image based on improved SLIC algorithm

The invention provides a purple soil image segmentation and extraction method based on improved SLIC algorithm, including steps: S1: processing the original image containing purple soil image by improved SLIC algorithm; S2: transforming a component of the image segmented by super-pixels to obtain a new measure anew; S3: calculating each super-pixel in the image and standard purple soil super-pixel based on measure anew. Similarity of mean value; S4: adaptive acquisition of super-pixel merging threshold; S5: merging purple soil regions according to super-pixel merging threshold; S6: filling holes, finding Hadamard product of binary image A and original image after filling holes; The invention introduces Minkowski distance to recalculate the color space distance of SLIC algorithm, and carries out super-pixel initial segmentation of purple soil color image, and then performs super-pixel initial segmentation of purple soil color image. A new measure anew is obtained by a component transformation, which enhances the difference between purple soil and background, and adaptively acquires merged super-pixel thresholds to extract the purple soil image quickly, accurately and completely.

【技术实现步骤摘要】
基于改进SLIC算法的紫色土图像分割提取方法
本专利技术涉及图像分割提取方法，具体涉及一种基于改进SLIC算法的紫色土图像分割提取方法。
技术介绍
机器视觉识别土壤在农业生产中有着重要的实用价值。在农业生产中，识别土壤是非常重要的。由于土壤分类系统复杂，只有极少数科研院所的专家才能准确辨识土壤，生产一线的农业技术人员要完全准确的把当地土壤辨识清楚也是非常困难的。基于土壤分类系统的土壤类型识别是一个农业生产实践中的共性难题。人工智能技术的发展，使机器视觉识别土壤成为可能。机器视觉辨识土壤是对野外自然条件下拍摄的具有复杂背景的土壤图像进行识别。在机器视觉辨识土壤中，我们只对图像的土壤部分感兴趣，如果我们能将图像的土壤部分从背景中分割出来，一方面只研究、处理我们感兴趣的图像的土壤部分，另一方面可以排除背景区域对进一步图像分析、特征提取、辨识造成干扰。紫色土是我国西南地区最主要耕地之一，紫色土是机器视觉土壤识别的研究重点。如何将彩色图像的紫色土图像从背景中准确、完整的分割出来是目前的技术难题。目前，已有的图像分割算法处理彩色图像的紫色土图像，将紫色土区域图像从背景中准确、完整分割的准确度低、误差大、时间开销大，不能在分割过程实现自适应的分割。
技术实现思路
有鉴于此，本专利技术的目的是提供一种基于改进SLIC算法的紫色土图像分割提取方法，引入闵可夫斯基距离重新计算SLIC算法的颜色空间距离度量，改进SLIC算法，对紫色土彩色图像进行超像素初分割，对a分量变换得到新的测度anew，增强紫色土与背景差异，利用新的测度anew计算图像中各超像素与当前遍历超像素(紫色土土壤超像素)的相似度根据类间方差最大准则优化超像素自适应合并阈值；采用区域生长方法由内而外将大于阈值的相邻超像素合并到合并当前遍历超像素，实现合并紫色土超像素的自适应合并生长；再对紫色土区域内部的空洞进行填充，将紫色土图像从含有背景区域的彩色图像中快速、准确、完整分割提取出来。本专利技术提供一种基于改进SLIC算法的紫色土图像分割提取方法，包括步骤：S1：对SLIC算法进行改进，利用改进后的SLIC算法对包含有紫色土图像的原始图像进行处理，得到经超像素分割的图像；S2：对经超像素分割的图像的a分量进行变换，得到新的测度anew；S3：计算图像中各超像素与标准紫色土超像素基于测度anew均值的相似度；S4：建立土壤区域和背景区域超像素的类间方差最大化优化模型，自适应获取超像素合并阈值simT；S5：根据超像素合并阈值simT来合并紫色土区域的超像素，得到含有空洞的紫色土区域的二值图像；S6：填充含有空洞的紫色土区域的二值图像中的空洞，求填充空洞后的二值图像B与原始图像的哈达玛积，得到只包含有紫色土图像的分割图像。进一步，所述步骤S1包括步骤：S11：设定超像素尺寸为m×n像素，按照所设定的尺寸m×n像素将原始图像进行初始化分块，得到原始图像的初始化超像素；初始化与原始图像像素尺寸大小一样的标号矩阵A；S12：将每个初始化超像素的几何中心以及几何中心3×3邻域像素点的梯度值最小的像素点为种子点；S13：建立基于闵可夫斯基距离的像素点与种子点距离的计算模型，用于计算原始图像中每个像素点距以自身为中心的2m×2n范围内的每个种子点的距离，所述基于闵可夫斯基距离的像素点与种子点距离的计算模型为：其中，ds是像素点与种子点空间的欧氏距离，dc是像素点与种子点lab颜色的闵可夫斯基距离；η为颜色距离与空间距离调节系数，m×n为超像素的像素尺寸；S14：根据(1-1)式计算原始图像中每个像素点距以自身为中心的2m×2n范围内的每个种子点的距离；S15：将像素点归类于由(1-1)式计算得到的距离最近的种子点所属的初始化超像素，得到更新后的超像素；S16：计算步骤S15中得到的每一个更新后的超像素中像素点的均值将作为该超像素新的种子点；S17：重复步骤S14至S16，直到每个超像素的种子点不再变化为止或者达到预设的最大迭代次数，获得初始分割超像素的图像，给初始分割超像素的图像中超像素分配分类标号，并将该超像素的分类标号存储在标号矩阵A中分类标号所属超像素的对应位置，所述对应位置与分类标号所属超像素在初始分割超像素的图像中的位置相同，得到更新后的标号矩阵A；S18：判断初始分割超像素的连通性，根据判断结果，将初始分割超像素进行再次分割，得到超像素分割图像。进一步，所述ds的计算公式为：所述dc的计算公式为：其中，(x,y,l,a,b)和(xs,ys,ls,as,bs)分别是像素点与种子点的位置及lab颜色；p表示闵可夫斯基距离的属性变参数，且p＜1。进一步，所述对经超像素分割的图像的a分量进行变换的公式为：其中，μa和σa分别表示紫色土区域样本在lab颜色空间a分量的均值和方差，asample为紫色土区域的lab颜色空间a分量样本值；anew为对a分量进行变化后得到的新的测度；a表示未经变化的a分量值；e表示自然指数。进一步，所述步骤S3中计算图像中各超像素与标准紫色土超像素基于度量anew均值的相似度的计算公式为：其中，sim(x,y)表示超像素x和超像素y基于anew的相似度；ux和uy分别为超像素x和超像素y在anew测度上的均值；sim(x,y)∈[0,1]，sim(x,y)取值越接近1超像素x和超像素y之间的相似度越大。进一步，所述步骤S4中土壤区域和背景区域超像素的类间方差最大化优化模型为：其中，simT为将超像素分为紫色土土壤与背景两类的超像素合并阈值；S1为相似度大于simT的超像素集合，表示土壤超像素集合；S2为相似度小于simT的超像素集合，表示背景集合；sim为步骤S3中获得的相似度作为元素组成的集合，sim的元素为相似度；w为集合sim中的元素个数；min(sim)为集合sim中值最小的元素；max(sim)为集合sim中值最大的元素；w1为S1的元素个数，w2为S2的元素个数，u1为S1的均值，u2为S2的均值，u为sim的均值；求解式(4)获取超像素合并阈值simT；为土壤区域和背景区域超像素的类间方差最大化优化模型的目标函数，表示以求S1和S2类间方差的最大值为优化目标；min(sim)＜simT＜max(sim)为土壤区域和背景区域超像素的类间方差最大化优化模型的约束条件。进一步，所述步骤S5包括步骤：S51：初始化空洞超像素链表；初始化与原始图像像素尺寸大小一样的全零的二值矩阵B；设定起始遍历超像素，将起始遍历超像素初始化为经超像素分割图像中的任一紫色土土壤超像素；将二值矩阵B中起始遍历超像素对应位置元素置1；将起始遍历超像素作为当前遍历超像素；S52：获取当前遍历超像素的任一未遍历的相邻超像素；根据(3)式分别计算该相邻超像素与当前遍历超像素的相似度simadjoin；所述相邻超像素为当前遍历超像素边界点的四连通邻域点所属的超像素，所述四连通邻域点不包含当前遍历超像素中的像素点；S53：判断simadjoin是否大于simT：若simadjoin大于simT，则将该相邻超像素合并到当前遍历超像素中；将该相邻超像素置在二值矩阵B中的对应位置的元素置1；若simadjoin小于或等于simT，且该相邻超像素未压入空洞超像素链表，则将该相邻超像素本文档来自技高网...

【技术保护点】
1.一种基于改进SLIC算法的紫色土图像分割提取方法，其特征在于：包括步骤：S1：对SLIC算法进行改进，利用改进后的SLIC算法对包含有紫色土图像的原始图像进行处理，得到经超像素分割的图像；S2：对经超像素分割的图像的a分量进行变换，得到新的测度anew；S3：计算图像中各超像素与标准紫色土超像素基于测度anew均值的相似度；S4：建立土壤区域和背景区域超像素的类间方差最大化优化模型，自适应获取超像素合并阈值simT；S5：根据超像素合并阈值simT来合并紫色土区域的超像素，得到含有空洞的紫色土区域的二值图像；S6：填充含有空洞的紫色土区域的二值图像中的空洞，求填充空洞后的二值图像B与原始图像的哈达玛积，得到只包含有紫色土图像的分割图像。

【技术特征摘要】
1.一种基于改进SLIC算法的紫色土图像分割提取方法，其特征在于：包括步骤：S1：对SLIC算法进行改进，利用改进后的SLIC算法对包含有紫色土图像的原始图像进行处理，得到经超像素分割的图像；S2：对经超像素分割的图像的a分量进行变换，得到新的测度anew；S3：计算图像中各超像素与标准紫色土超像素基于测度anew均值的相似度；S4：建立土壤区域和背景区域超像素的类间方差最大化优化模型，自适应获取超像素合并阈值simT；S5：根据超像素合并阈值simT来合并紫色土区域的超像素，得到含有空洞的紫色土区域的二值图像；S6：填充含有空洞的紫色土区域的二值图像中的空洞，求填充空洞后的二值图像B与原始图像的哈达玛积，得到只包含有紫色土图像的分割图像。2.根据权利要求1所述基于改进SLIC算法的紫色土图像分割提取方法，其特征在于：所述步骤S1包括步骤：S11：设定超像素尺寸为m×n像素，按照所设定的尺寸m×n像素将原始图像进行初始化分块，得到原始图像的初始化超像素；初始化与原始图像像素尺寸大小一样的标号矩阵A；S12：将每个初始化超像素的几何中心以及几何中心3×3邻域像素点的梯度值最小的像素点为种子点；S13：建立基于闵可夫斯基距离的像素点与种子点距离的计算模型，用于计算原始图像中每个像素点距以自身为中心的2m×2n范围内的每个种子点的距离，所述基于闵可夫斯基距离的像素点与种子点距离的计算模型为：其中，ds是像素点与种子点空间的欧氏距离，dc是像素点与种子点lab颜色的闵可夫斯基距离；η为颜色距离与空间距离调节系数，m×n为超像素的像素尺寸；S14：根据(1-1)式计算原始图像中每个像素点距以自身为中心的2m×2n范围内的每个种子点的距离；S15：将像素点归类于由(1-1)式计算得到的距离最近的种子点所属的初始化超像素，得到更新后的超像素；S16：计算步骤S15中得到的每一个更新后的超像素中像素点的均值将作为该超像素新的种子点；S17：重复步骤S14至S16，直到每个超像素的种子点不再变化为止或者达到预设的最大迭代次数，获得初始分割超像素的图像，给初始分割超像素的图像中超像素分配分类标号，并将该超像素的分类标号存储在标号矩阵A中分类标号所属超像素的对应位置，所述对应位置与分类标号所属超像素在初始分割超像素的图像中的位置相同，得到更新后的标号矩阵A；S18：判断初始分割超像素的连通性，根据判断结果，将初始分割超像素进行再次分割，得到超像素分割图像。3.根据权利要求2所述基于改进SLIC算法的紫色土图像分割提取方法，其特征在于：所述ds的计算公式为：所述dc的计算公式为：其中，(x,y,l,a,b)和(xs,ys,ls,as,bs)分别是像素点与种子点的位置及lab颜色；p表示闵可夫斯基距离的属性变参数，且p＜1。4.根据权利要求1所述基于改进SLIC算法的紫色土图像分割提取方法，其特征在于：所述对经超像素分割的图像的a分量进行变换的公式为：其中，μa和σa分别表示紫色土区域样本在lab颜色空间a分量的均值和方差，asample为紫色土区域的lab颜色空间a分量样本值；anew为对a分量进行变化后得到的新的测度；a表示未经变化的a分量值；e表示自然指数。5.根据权利要求1所述基于改进SLIC算法的紫色土图像分割提取方法，其特征在于：所述步骤S3中计算图像中各超像素与标准紫色土超像素基于度量anew均值的相似度的计算公式为：其中，sim(x,y)表示超像素x和超像素y基于anew的相似度；ux和uy分别为超像素x和超像素y在anew测度上的均值；sim(x,y)∈[0,1]，sim(x,y)取值越接近1超像素x和超像素y之间的相似度越大。6.根据权利要求5所述基于改进SLIC算法的紫色土图像分割提取方法，其特征在于：所述步骤S4中土壤区域和背景区域超像素的类间方差最大化优化模型为：其中，simT为将超像素分为紫色土土壤与背景两类的超像素合并阈值；S1为相似度大于simT的超像素集合，表示土壤超像素集合；S2为相似度小于simT的超像素集合，表示背景集合；sim为步骤S3中获得的相似度作为元素组成的集合，sim的元素为相似度；w为集合sim中的元素个数；min(sim)为集合sim中值最小的元素；max(sim)为集合sim中值最大的元素；w1为S1的元素个数，w2为S2的元素个数，u1为S1的均值，u2为S2的均值，u为sim的均值；求解式(...

【专利技术属性】
技术研发人员：曾绍华，吴亚兰，曾卓华，韩晓飞，何平，
申请(专利权)人：重庆师范大学，重庆市农业技术推广总站重庆市马铃薯脱毒研究中心，重庆市土壤肥料测试中心，
类型：发明
国别省市：重庆,50