【技术实现步骤摘要】
基于显著性与Grabcut的水下海参图像分割方法
本专利技术涉及图像处理领域中的图像分割方法，具体涉及一种基于显著性与Grabcut的水下海参图像分割方法。
技术介绍
海参生长在海底，水下浑浊且地形复杂，主要靠人工捕捞。人员需携带特殊装备潜到海底作业，效率低，长期对身体有害。为提高海参捕捞效率，实现自动化捕捞，首先需实现自然水域下海参图像分割。近年来，国内外科研人员对水下图像分割方法进行了深入的研究。Chen等通过双阈值Otsu法进行边缘特征提取，然后采用霍夫变换法分割出目标边缘。Lee等提出基于点和区域特征的水下目标检测方法，用于水下机器人的自动导航。Kumar等使用CLAHE增强算法和阈值分割进行了水下图像分割。自然水域下环境复杂，海参多栖息于岩礁、乱石或沙泥底之中，同时还有其他的水草和纤维袋等干扰物体，利用上述传统的分割算法对海参图像分割效果差且需要人工交互。目前主流的深度学习分割方法有，Girshick等人提出了R-CNN方法，用于图像目标检测和语义分割；Liu等人提出了MPA算法，采用滑动窗口对图像...
【技术保护点】
1.一种基于显著性与Grabcut的水下海参图像分割方法，其特征在于，包括以下步骤：/n步骤一：获取图像，利用Retinex算法对采集到的图像去雾，增加图像对比度；/n步骤二：利用SLIC算法生成超像素图，提高目标分割的精度；/n步骤三：利用流形排序显著性算法对超像素图做目标检测；/n步骤四：利用GrabCut算法与显著性图像结合实现对海参目标的免交互式分割。/n
【技术特征摘要】
1.一种基于显著性与Grabcut的水下海参图像分割方法，其特征在于，包括以下步骤：
步骤一：获取图像，利用Retinex算法对采集到的图像去雾，增加图像对比度；
步骤二：利用SLIC算法生成超像素图，提高目标分割的精度；
步骤三：利用流形排序显著性算法对超像素图做目标检测；
步骤四：利用GrabCut算法与显著性图像结合实现对海参目标的免交互式分割。
2.根据权利要求1所述的基于显著性与Grabcut的水下海参图像分割方法，其特征在于，所述步骤一具体为：
用源图像S表示人眼看到的图像，环境入射光照分量用函数L表示，物体的反射分量用R表示，三者关系如公式(1)所示；通过源图像S来计算图像本身含有的反射分量R；利用高斯模糊滤波器F与S卷积运算求得环境入射光照分量L，利用对数运算得到R，公式(1)-(4)如下：
S(x，y)＝L(x，y)×R(x，y)(1)
L＝F*S(3)
log(R)＝log(S)-log(L)(4)
3.根据权利要求1所述的基于显著性与Grabcut的水下海参图像分割方法，其特征在于，所述步骤二具体为：
将原彩色图像映射CIELAB颜色空间与XY坐标下的特征向量；然后构造距离度量标准，在特征向量空间图像像素局部聚类生成超像素，SLIC算法能生成区域内的超像素图，超像素可映射为网络图中的节点，进而构建成精简的网络图；
定义超像素总数为k，对于有N个像素的图像，在一个规则的像素间隔S上采样k个初始聚类中心ci＝[li，ai，bi，xi，yi]T，i∈[1，k]，其中每个超像素宽度S＝(N/K)1/2，在CIELAB颜色空间中，超像素的相似度度量方法为：
式中，dc表示第i个聚类中心与第j个像素点的颜色距离；ds表示第i个聚类中心与第j个像素点的空间距离；参数m用于调节颜色相似性与空间距离间关系，当m增加时，空间距离影响变大，超像素变紧凑；反之，区域内相似颜色的像素更易聚集；d表示超像素图像。
4.根据权利要求3所述的基于显著性与Grabcut的水下海参图像分割方法，其特征在于，所述SLIC算法具体流程如下：
1)初始化聚类中心点ci＝[lI，aI，bI，xI，yi]T，根据设定的超像素数k，在图像中均匀分配种子；
2)将聚类中心点移动到n*n邻域中的最低梯度位置；
3)迭代①～③步，直到残差e小于阈值；
①对于每个种子点ci，在2S*2...
【专利技术属性】
技术研发人员：赵猛，胡易，邹立，许传诺，程学珍，刘小峰，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37
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。