【技术实现步骤摘要】
基于机器学习的交互式图像分割方法
本专利技术针对样本数量极少的复杂纹理图像数据，提出了一种基于机器学习的交互式图像分割方法。本专利技术可以应用在多个学科领域，如材料学、航空航天学、天文学、医学、微观结构学等中的图像处理，提高复杂图像分割速度，降低图像处理时间成本和经费成本，促进相应的学界和产界的进步和发展。技术背景图像分割是计算机视觉领域中的研究目标之一，具有重要的应用价值，同时也有一定的挑战性。图像分割是一种像素级别的分类技术，将图像中的每个像素进行分类，从而为进一步的分析提供基础。图像分割在各个领域已经被广泛使用，例如无人车自动驾驶，在不断变化的环境中感知，识别，规划和执行，高精度的图像分割可以提供有关道路的实时信息，从而及时辅助车辆作出决策；在人脸检测中，准确分割面部的各部位，能够估计性别、表情、年龄和种族，为进一步的面部分析提供基础；在医学图像处理中，准确分割病灶能够加快诊断速度，以及对未知病毒进行推测分析，推动医学的发展；在材料图像处理中，对于图像的微观结构定量分析能够揭示材料的宏观性能、微观结构和制备工艺三者...
【技术保护点】
1.一种基于机器学习的交互式图像分割方法，其特征在于：将软件界面分割为三个区域，分别是训练模块界面(a)、分割模块界面(b)和图像显示区域(c)；/n所述训练模块界面(a)包括以下内容：读入图片(1)，邻域大小(2)，特征提取(3)，区域个数(4)，区域标注(5)，训练模型(6)，对比原图(7)；/n所述分割模块界面(b)包括：读入单图(8)，读入多图(9)，图像分割(10)，对比原图(11)，此外包括按钮退出软件(12)。/n
【技术特征摘要】
1.一种基于机器学习的交互式图像分割方法，其特征在于：将软件界面分割为三个区域，分别是训练模块界面(a)、分割模块界面(b)和图像显示区域(c)；
所述训练模块界面(a)包括以下内容：读入图片(1)，邻域大小(2)，特征提取(3)，区域个数(4)，区域标注(5)，训练模型(6)，对比原图(7)；
所述分割模块界面(b)包括：读入单图(8)，读入多图(9)，图像分割(10)，对比原图(11)，此外包括按钮退出软件(12)。
2.根据权利要求1所述的基于机器学习的交互式图像分割方法，其特征在于：
所述训练模块界面，包括以下操作按钮：
(1)读入图片：打开并读入一张样本图片；
(2)邻域大小：设定像素点的特征范围；
(3)特征提取：提取图片中每个像素点的特征并保存；
(4)区域个数：输入图片中不同区域或类别的个数；
(5)区域标注：按下此钮后，在图片中画线来标注不同区域，用不同的颜色表示，个数是设置的区域个数；
(6)训练模型：开始训练模型；
(7)对比原图：交替显示结果图和原图；
所述分割模块界面，包括以下操作按钮：
(8)读入单图：读入待分割的一张图片；
(9)读入多图：选择一个文件夹，并读入文件夹内所有的图片；
(10)图像分割：对读入的图片进行分割；
(11)对比原图：交替显示结果图和原图；
另外还包括：
(12)退出软件：点此按钮退出界面和所有图片框。
3.根据权利要求1所述的基于机器学习的交互式图像分割方法，其特征在于，构建训练模块界面(a)的操作步骤如下：
(a-1)读入一张训练样本图像；
(a-2)提取图片中每个像素点邻域内的多种特征fi，提取的特征组成一个特征向量：
其中，i是像素点的标号，和分别表示提取的第i个像素点的Gabor特征，Hu矩，梯度方向直方图(HoG)和灰度共生矩阵(GLCM)，F(*)表示将像素的多个特征连接成特征向量，fi表示连接后的特征向量；或用其它的提取特征的方法进行多种特征的提取来组成和丰富特征向量fi；
(a-3)根据专家领域知识确定样本的类别数，确定不同区域个数；
(a-4)用鼠标在图像中标出不同区域的部分像素，用不同的颜色表示，颜色的个数是设置的区域个数；
(a-5)利用标注的像素特征向量对图...
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。