【技术实现步骤摘要】
一种基于N
‑
cut算法的陶瓷茶壶图像分割识别方法及装置
[0001]本申请涉及计算机视觉
，具体而言，涉及一种基于N
‑
cut算法的陶瓷茶壶图像分割识别方法及装置。
技术介绍
[0002]图像切割是计算机视觉研究中的一个经典难题，已经成为图像理解领域关注的一个热点。图像切割是图像分析的第一步，是计算机视觉的基础，也是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。图像切割是图像分析识别前的重要步骤，依据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。在计算机视觉中，图像分割技术可以通过不同角度，用不同的方法进行分析，且各具特点。
[0003]陶瓷茶壶是中国传承千年的著名文物，不同朝代的陶瓷茶壶在一定程度上反映了所属朝代的风貌和文化，然而由于茶壶结构特殊性，陶瓷茶壶的整体形状相同，通过常规图像分割技术，无法清晰地将不同陶瓷茶壶上的细节图像特征分析出来。即目前始终缺乏一种合适的方式来...
【技术保护点】
【技术特征摘要】
1.一种基于N
‑
cut算法的陶瓷茶壶图像分割识别方法，其特征在于，所述方法包括：获取待识别的陶瓷茶壶图像，确定所述陶瓷茶壶图像的对称轴，基于所述对称轴分别将各所述像素点划分为同侧像素点集合与对称像素点集合，并分别计算所述陶瓷茶壶图像中任意两个像素点之间的位置相似度信息、空间相似度信息、纹理相似度信息；从所述同侧像素点集合中两两随机选取同侧像素点，基于两个所述同侧像素点对应的所述位置相似度信息和空间相似度信息计算两个所述同侧像素点的第一相似度权值，并从所述对称像素点集合中两两随机选取对称像素点，基于两个所述对称像素点对应的所述空间相似度信息和纹理相似度信息计算两个所述对称像素点的第二相似度权值；基于各所述第一相似度权值与各所述第二相似度权值对所述陶瓷茶壶图像进行N
‑
cut分割计算，得到所述陶瓷茶壶图像的最优分区。2.根据权利要求1所述的方法，其特征在于，所述分别计算所述陶瓷茶壶图像中任意两个像素点之间的位置相似度信息、空间相似度信息、纹理相似度信息，包括：在所述陶瓷茶壶图像中构建梯度向量场，基于所述梯度向量场计算任意两个像素点之间的位置相似度信息；基于任意两个所述像素点之间的方向能量计算所述两个像素点之间的空间相似度信息；基于LBP算子提取所述陶瓷茶壶图像的纹理特征向量，并基于所述纹理特征向量计算所述两个像素点之间的纹理相似度信息。3.根据权利要求2所述的方法，其特征在于，所述在所述陶瓷茶壶图像中构建梯度向量场，基于所述梯度向量场计算任意两个像素点之间的位置相似度信息，包括：在所述陶瓷茶壶图像中构建梯度向量场，并基于任意两个像素点在所述梯度向量场中设置第一分量与第二分量；基于所述第一分量与第二分量构建梯度向量场能量模型；迭代所述梯度向量场能量模型，并基于所述第一分量与第二分量提取所述梯度向量场的局部特征曲率，即为位置相似度信息。4.根据权利要求2所述的方法，其特征在于，所述基于任意两个所述像素点之间的方向能量计算所述两个像素点之间的空间相似度信息，包括：分别获取任意两个所述像素点的像素值，确定像素值与所述像素点的方向能量的第一映射关系；基于两个所述像素点相连直线方向上的最大响应值分别确定两个所述像素点对应的所述方向能量，并基于所述方向能量确定两个所述像素点之间的空间相似度信息。5.根据权利要求2所述的方法，其特征在于，所述基于LBP算子提取所述陶瓷茶壶图像的纹理特征向量，并基于所述纹理特征向量计算所述两个像素点之间的纹理相似度信息，包括：基于LBP算子将所述陶瓷茶壶图像划分为若干个邻域，分别将与各所述邻域相邻预设数量的比较像素点的灰度值与所述邻域比较，基于比较结果确定每个邻域的中心像素点对应的LBP值；基于各所述LBP值构建各所述邻域的直方图，并基于连接各所述直方图得到所述陶瓷茶壶图像上的纹理特征向量分布；
基于所述两个像素点对应的纹理特征向量之间的均方差计算所述两个像素点之间的纹理相似度信息。6.根据权利要求1所述的方法，其特征在于，所述从所述同侧像素点集合中两两随机选取同侧像素点，基于两个所述同侧像素点对应的所述位置相似度信息和空间相似度信息计算两个所述同侧像素点的第一相似度权值，并从所述对称像素点集合中两两随机选取对称像素点，基于两个所述对称像素点对应的所述空间相似度信息和纹理相似度信息计算两个所述对称像素点的第二相似度权值，包...
【专利技术属性】
技术研发人员：陆海亮，陈锴涵，李小龙，乔磊，孔令鲁，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
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。