一种融合超像素块和整体嵌套边缘的图像分割方法技术

本发明专利技术涉及图像处理技术领域，尤其涉及一种融合超像素块和整体嵌套边缘的图像分割方法，包括S1：定义种子点个数；S2：标记边缘概率图E；S3：种子点初始化，生成预分割；S4：应用FSLIC的空间距离和SEEDS的颜色能量生成初始标签L0；S5：根据E和L0关系定义超像素边缘为强边界或弱边界；S6：基于弱边界根据颜色能量重新划分超像素边缘；S7：输出甘蔗蚜虫图像分割结果。本发明专利技术将概率边缘图和融合聚类策略引入超像素分割方法中，充分发挥了超像素方法处理速度快，可应对自然光照的可变性的优势；本发明专利技术是高效可靠的、分割性能优异的超像素分割方法。法。法。

【技术实现步骤摘要】
一种融合超像素块和整体嵌套边缘的图像分割方法


[0001]本专利技术涉及图像处理
，尤其涉及一种融合超像素块和整体嵌套边缘的图像分割方法。

技术介绍

[0002]2013年在德克萨斯州博蒙特首次发现甘蔗蚜虫。甘蔗蚜虫具有很高的扩散能力和繁殖速度，对农作物的危害很大，每年经常爆发虫害。因此，高效、快速地识别害虫对于农民快速了解虫害程度并及时施用农药以避免产量损失至关重要。
[0003]传统的甘蔗蚜虫检测主要方法仍需要基层工作人员进入农田观察蚜虫在叶片上的分布情况，依靠经验判断叶片上甘蔗蚜虫的数量等级并诊断该区域的病虫害状况。这种方法具有工作量大、效率低的特点。不能快速准确地反映和预测病虫害的发生。与传统的人工计数相比，基于图像的自动检测将显著提高害虫预警效率，应在害虫管理中广泛应用。
[0004]基于图像的检测系统可以有效识别害虫(如甘蔗蚜虫)。传统的图像处理方法，如基于多种特征的方法、支持向量机(SVM)和基于阈值的方法，在害虫识别中表现出了较好的性能。近年来，卷积神经网络(CNN)、快速区域卷积神经网络(Faster R本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合超像素块和整体嵌套边缘的图像分割方法，其特征在于，包括以下步骤：S1：输入图像并根据甘蔗蚜虫目标尺寸定义种子点个数；S2：基于整体嵌套边缘算法对图像进行标记，并将其标记为边缘概率图E；S3：种子点初始化，生成预分割；S4：应用FSLIC的空间距离和SEEDS的颜色能量生成初始标签L0，并应用预测候选聚类消除不等式优化迭代聚类中心步骤，加速收敛；S5：根据E和L0关系定义超像素边缘为强边界或弱边界；S6：基于弱边界根据颜色能量重新划分超像素边缘；S7：输出甘蔗蚜虫图像分割结果。2.根据权利要求1所述的融合超像素块和整体嵌套边缘的图像分割方法，其特征在于，所述步骤S1包括：采集带有甘蔗蚜虫的谷物高粱叶的原始图像作为数据集；图像数据集包括四种光照强度：弱光、强光，直射光和漫射光；将采集原始图像分离为一定像素的若干子图像；在图像数据集中根据甘蔗蚜虫目标尺寸确定种子点个数K。3.根据权利要求2所述的融合超像素块和整体嵌套边缘的图像分割方法，其特征在于：所述种子点个数K＝400。4.根据权利要求1所述的融合超像素块和整体嵌套边缘的图像分割方法，其特征在于，所述步骤S2包括：使用整体嵌套边缘算法对整体图像进行训练和预测，并在多尺度，多层次上提取特征，对图像进行标记，将其标记为边缘概率图E。5.根据权利要求1所述的融合超像素块和整体嵌套边缘的图像分割方法，其特征在于，所述步骤S3包括通过均匀分布种子点来初始化K个种子点，生成预分割，并将聚类中心移动到n
×
n邻域中的最低梯度位置。6.根据权利要求1所述的融合超像素块和整体嵌套边缘的图像分割方法，其特征在于，所述SEEDS的颜色能量的计算包括：基于能量函数E(s)，像素在相邻超像素之间转换，从而快速改变边界；超像素块的数量，紧凑性和迭代次数可以通过SEEDS算法来控制，能量函数E(s)公式为：E(s)＝H(s)+γG(s)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，H(s)是颜色能量，G(s)是边界能量，γ是平衡参数；颜色能量H(s)的公式为：其中，是颜色分布的质量度量；其中，是图像中像素集的颜色直方图；是颜色空间的一个封闭子集；...

【专利技术属性】
技术研发人员：徐伟悦，徐涛，姬长英，高书苑，
申请(专利权)人：常州大学，
类型：发明
国别省市：