基于人工智能的图像自适应分割方法与系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的图像自适应分割方法与系统，该方法包括：获取目标灰度图像，统计图像上各像素点的灰度值，并构建灰度直方图，基于灰度直方图计算各灰度级出现的概率；对目标灰度图像进行滑窗处理，根据滑窗内像素点对应灰度级出现的频率以及灰度级的方差，计算滑窗内中心像素点的混乱度；利用混乱度对对应像素点的灰度值进行修正，得到修正后的像素点的灰度值，并建立修正后的灰度直方图，所述修正后的直方图具有明显的双峰特征；基于修正后的灰度直方图的双峰特征确定分割阈值，并对目标灰度图像进行阈值分割。本发明专利技术能够对不具备明显双峰特征的图像进行阈值分割时，具有更好的分割效果。果。果。

【技术实现步骤摘要】
基于人工智能的图像自适应分割方法与系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的图像自适应分割方法与系统。

技术介绍

[0002]图像分割是对图像进行分析的重要步骤，而在所有的图像分割算法中，阈值分割以其极致简约和高度实用的特性而长期得到广泛的应用。图像分割将底层处理和高层处理联系到一起，其目的在于将图像划分为与真实世界相对应的互不重叠区域的集合，实现图像中感兴趣目标和其他区域的分离，从而可以对感兴趣目标采用跟踪、检测、识别等高层次的视觉技术进一步处理。
[0003]阈值分割方法被广泛应用于目标和背景的像素灰度级存在明显差距的图像分析应用场合，典型的应用包括：提取文本图像中字符与标记；提取地图图像中的标识；提取场景图像中的目标；提取材料质量检测过程中的缺陷部位标识；细胞图像处理，热图像处理，无损测试，视频时空图像分割等。阈值分割的基本思想是在图像最小灰度和最大灰度之间确定一个阈值，然后将图像中所有像素按其灰度级以该阈值为界分为两类。
[0004]传统的阈值分割算法对于直方图具有明显双峰特征、目标和背本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的图像自适应分割方法，其特征在于，所述方法包括以下步骤：步骤1，获取目标灰度图像，统计图像上各像素点的灰度值，并构建灰度直方图，基于灰度直方图计算各灰度级出现的概率；步骤2，对目标灰度图像进行滑窗处理，根据滑窗内像素点对应灰度级出现的频率以及灰度级的方差，计算滑窗内中心像素点的混乱度，进而获取目标灰度图像上所有像素点的混乱度；步骤3，利用混乱度对对应像素点的灰度值进行修正，得到修正后的像素点的灰度值，并建立修正后的灰度直方图，所述修正后的直方图具有明显的双峰特征；步骤4，基于修正后的灰度直方图的双峰特征，确定分割阈值，并对目标灰度图像进行阈值分割。2.根据权利要求1所述的一种基于人工智能的图像自适应分割方法，其特征在于，所述构建灰度直方图之前还包括对目标灰度图像进行缺陷区域提取的步骤，具体为：设定先验阈值并对目标灰度图像进行阈值分割，得到缺陷区域与非缺陷区域。3.根据权利要求2所述的一种基于人工智能的图像自适应分割方法，其特征在于，判断缺陷区域面积与设定缺陷面积阈值的大小，若缺陷区域面积小于设定缺陷面积阈值，则对目标灰度图像进行步骤1
‑
步骤4的阈值分割；若缺陷区域面积大于设定缺陷面积阈值，则不进行阈值分割。4.根据权利要求1所述的一种基于人工智能的图像自适应分割方法，其特征在于，所述像素点的混乱度的获取方法具体为：其中，Q
a
表示像素点a的混乱度，以像素点a为中心的滑窗大小为n
×
n，p(x)表示滑窗内像素点灰度级为x时的概率，X表示滑窗内各像素点的灰度级级数的集合，n2‑
1表示滑窗内除中心像素点之外的像素点数量，S
i
表示滑窗内第i个像素点的灰度级，表示滑窗内各像素点灰度级的均值。5.根据权利要求2所述的一种基于人工智能的图像自适应分割方法，其特征在于，所述对目标灰度图像进行缺陷区域提取的步骤具体为：目标灰度图像上像素点的灰度值小于先验阈值的部分为缺陷区域，目标灰度图像上像素点的灰度值大于先验阈值的部分为非缺陷区域。6.一种...

【专利技术属性】
技术研发人员：刘群英，庄淑华，
申请(专利权)人：江苏益捷思信息科技有限公司，
类型：发明
国别省市：