一种面向果蔬分选设备的多目标图像分割方法技术

本发明专利技术公开了一种面向果蔬分选设备的多目标图像分割方法，通过分析图像中在非背景区域的像素点与目标聚类中心点之间的色差和距离来构建果蔬分选多目标图像分割目标函数，以图像中某个像素点的位置属于不同目标聚类的隶属度取值和该像素点的颜色属于不同目标聚类的隶属度取值的和取最大值来决定归属对应目标聚类的集合，从而根据不同目标聚类的集合对图像进行分割。对图像进行分割。对图像进行分割。

【技术实现步骤摘要】
一种面向果蔬分选设备的多目标图像分割方法


[0001]本专利技术属于果蔬采后分选
，具体涉及通过针对果蔬分选设备中球状果实图像的像素点与目标聚类中心的距离和色差来分析关于位置和颜色的隶属度从而完成对果蔬分选设备中图像进行多目标图像分割。

技术介绍

[0002]当前图像处理在果蔬分选设备中所发挥的作用日益明显，而图像处理中许多至关重要的后续任务，如特征提取、图像分析、模式识别、图像理解等都是基于图像分割技术的操作，可见作为图像处理过程中一个重要中间步骤的图像分割技术，对图像处理识别结果具有重要影响。在果蔬采后分选过程中，由于受外部多种因素的影响，图像会因受到干扰或污染而模糊，从而难以准确地划分图像区域。如何正确地分割目标区域和背景区域成为图像分割技术中的一大难题，为此，可引入了模糊理论来攻克这个难题。用模糊方式考虑区域性质时，能更好地应对不同噪声图像的分割，允许图像在一定程度上存在一些内在的模糊性。模糊C均值聚类算法主要是以模糊集合理论和统计学原理为理论基础，同时融合聚类思想，可通过反复迭代来实现最优解的求解，是模糊算法的典型代表。
[0003]LAB颜色模型是目前色域最宽的色彩空间，可以用数字化的方式描述人的视觉感应，从而在计算机视觉中广泛应用。Lab颜色模型中的L分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；A分量表示从红色到绿色的范围，其颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)，取值范围是[127,
‑
128]；B分量表示从黄色到蓝色的范围，其颜色从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)，取值范围是[127,
‑
128]。

技术实现思路

[0004]本专利技术的目的在于通过分析球状果实图像中在非背景区域的像素点与目标聚类中心点之间的色差和距离来构建果蔬分选多目标图像分割目标函数，以当果蔬分选多目标图像分割目标函数存在极小值时给出某个像素点的位置或颜色属于某个目标聚类的隶属度取值以及不同目标聚类中心点的位置取值，从而实现对果蔬分选设备中的图像进行多目标图像分割。
[0005]按照本专利技术如图1中所提供的设计方案，一种面向果蔬分选设备的多目标图像分割方法，包含如下步骤：
[0006]步骤1，在果蔬分选设备中需进行多目标图像分割的图像中，通过某个像素点在非背景区域且在某个目标聚类中心的限定区域半径内的条件下与该目标聚类的目标聚类中心点之间距离加权平方和该像素点在非背景区域且在某个目标聚类中心的限定区域半径外的条件下与该目标聚类的目标聚类中心点之间色差加权平方在不同目标聚类到不同像素点之和，其中加权系数分别为某个像素点的位置属于某个目标聚类的隶属度和某个像素点的颜色属于某个目标聚类的隶属度，以及该像素点在背景区域且周边邻近像素点存在位
于非背景区域的条件下与该目标聚类的目标聚类中心点的距离平方与该目标聚类的限定区域半径平方之间差异值在不同像素点之和来构建果蔬分选多目标图像分割目标函数；
[0007]步骤2，给出当果蔬分选多目标图像分割目标函数对于某个像素点的位置属于某个目标聚类的隶属度存在极小值时该像素点的位置属于该目标聚类的隶属度取值以及当果蔬分选多目标图像分割目标函数对于某个像素点的的颜色属于某个目标聚类的隶属度存在极小值时该像素点的颜色属于该目标聚类的隶属度取值；
[0008]步骤3，给出当果蔬分选多目标图像分割目标函数对于某个目标聚类中心点的位置存在极小值时该目标聚类中心点的位置取值；
[0009]步骤4，将步骤2中不同循环迭代次数时不同像素点的位置属于不同目标聚类的隶属度取值、不同像素点的颜色属于不同目标聚类的隶属度取值以及步骤3中不同目标聚类中心点的位置取值引入果蔬分选多目标图像分割循环迭代过程，若循环迭代误差值小于等于循环迭代误差门限则结束；
[0010]步骤5，对于图像中某个在非背景区域像素点来说，以步骤4中所述果蔬分选多目标图像分割循环迭代过程结束时该像素点的位置属于不同目标聚类的隶属度取值和该像素点的颜色属于不同目标聚类的隶属度取值的和取最大值来决定归属对应目标聚类的集合，从而根据不同目标聚类的集合对图像进行分割；
[0011]优选的，步骤1中具体包括：
[0012]当对果蔬分选设备中需进行多目标图像分割的图像中包含K个果蔬目标进行目标聚类时，设对于该图像中位置为(i,j)的像素点可给出对于LAB颜色模型的颜色为(l
i,j
,a
i,j
,b
i,j
)，设对于该图像中第k个目标聚类的目标聚类中心点的位置为(m
k
,n
k
)且该目标聚类中心点对于LAB颜色模型的颜色为(l
k
,a
k
,b
k
)，且1≤k≤K，设μ
k,i,j
为像素点(i,j)的位置属于第k个目标聚类的隶属度，且在该目标聚类中满足归一化条件设ω
k,i,j
为位置为(i,j)的像素点的颜色属于第k个目标聚类的隶属度，且在该目标聚类中满足归一化条件其中，设H为判断函数，若H函数内条件成立则为1，若H函数内条件不成立为0，Φ为图像中背景区域的颜色集合，R
k
为第k个目标聚类的限定区域半径，为存在符号，(i
‑
,j
‑
)为位置为(i,j)的像素点的周边邻近像素点的位置，ξ,ζ皆为拉格朗日乘子，I,J分别为像素点在图像中最大横坐标取值和最大纵坐标取值，且1≤i≤I及1≤j≤J，则通过位置为(i,j)的像素点在且的条件下与第k个目标聚类的目标聚类中心点之间距离加权平方和位置为(i,j)的像素点的颜色(l
i,j
,a
i,j
,b
i,j
)在且的条件下与第k个目标聚类的目标聚类中心点的颜色(l
k
,a
k
,b
k
)之间色差加权平方在K个目标聚类到I
×
J个像素点之和，以及位置为(i,j)的像素点在(l
i,j
,a
i,j
,b
i,j
)∈Φ且存在的条件下与第k个目标聚类的目标聚类中心点的距离平方与所在目标聚类的限定区域半径平方之间差异值在I
×
J个像素点之和来构建果蔬分选多目标图像分割目标函数G，具体形式如下：
[0013][0014]优选的，步骤2中计算所述当果蔬分选多目标图像分割目标函数对于某个像素点的位置属于某个目标聚类的隶属度存在极小值时该像素点的位置属于该目标聚类的隶属度取值的具体方法为：
[0015]1)给出果蔬分选多目标图像分割目标函数G对像素点(i,j)的位置属于第k个目标聚类的隶属度μ
k,i,j
的一阶偏导数具体形式如下：
[0016][0017]2)给出果蔬分选多目标图像分割目标函数G对像素点(i,j)的位置属于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向果蔬分选设备的多目标图像分割方法，其特征在于，包括以下步骤：步骤1，在果蔬分选设备中需进行多目标图像分割的图像中，通过某个像素点在非背景区域且在某个目标聚类中心的限定区域半径内的条件下与该目标聚类的目标聚类中心点之间距离加权平方和该像素点在非背景区域且在某个目标聚类中心的限定区域半径外的条件下与该目标聚类的目标聚类中心点之间色差加权平方在不同目标聚类到不同像素点之和，其中加权系数分别为某个像素点的位置属于某个目标聚类的隶属度和某个像素点的的颜色属于某个目标聚类的隶属度，以及该像素点在背景区域且周边邻近像素点存在位于非背景区域的条件下与该目标聚类的目标聚类中心点的距离平方与该目标聚类的限定区域半径平方之间差异值在不同像素点之和来构建果蔬分选多目标图像分割目标函数；步骤2，给出当果蔬分选多目标图像分割目标函数对于某个像素点的位置属于某个目标聚类的隶属度存在极小值时该像素点的位置属于该目标聚类的隶属度取值以及当果蔬分选多目标图像分割目标函数对于某个像素点的的颜色属于某个目标聚类的隶属度存在极小值时该像素点的颜色属于该目标聚类的隶属度取值；步骤3，给出当果蔬分选多目标图像分割目标函数对于某个目标聚类中心点的位置存在极小值时该目标聚类中心点的位置取值；步骤4，将步骤2中不同循环迭代次数时不同像素点的位置属于不同目标聚类的隶属度取值、不同像素点的颜色属于不同目标聚类的隶属度取值以及步骤3中不同目标聚类中心点的位置取值引入果蔬分选多目标图像分割循环迭代过程，若循环迭代误差值小于等于循环迭代误差门限则结束；步骤5，对于图像中某个在非背景区域像素点来说，以步骤4中所述果蔬分选多目标图像分割循环迭代过程结束时该像素点的位置属于不同目标聚类的隶属度取值和该像素点的颜色属于不同目标聚类的隶属度取值的和取最大值来决定归属对应目标聚类的集合，从而根据不同目标聚类的集合对图像进行分割。2.根据权利要求1所述的一种面向果蔬分选设备的多目标图像分割方法，其特征在于，所述步骤1具体包括：当对果蔬分选设备中需进行多目标图像分割的图像中包含K个果蔬目标进行目标聚类时，设对于该图像中位置为(i,j)的像素点可给出对于LAB颜色模型的颜色为(l
i,j
,a
i,j
,b
i,j
)，设对于该图像中第k个目标聚类的目标聚类中心点的位置为(m
k
,n
k
)且该目标聚类中心点对于LAB颜色模型的颜色为(l
k
,a
k
,b
k
)，且1≤k≤K，设μ
k,i,j
为像素点(i,j)的位置属于第k个目标聚类的隶属度，且在该目标聚类中满足归一化条件设ω
k,i,j
为位置为(i,j)的像素点的颜色属于第k个目标聚类的隶属度，且在该目标聚类中满足归一化条件其中，设H为判断函数，若H函数内条件成立则为1，若H函数内条件不成立为0，Φ为图像中背景区域的颜色集合，R
k
为第k个目标聚类的限定区域半径，为存在符号，(i
‑
,j
‑
)为位置为(i,j)的像素点的周边邻近像素点的位置，ξ,ζ皆为拉格朗日乘子，I,J分别为像素点在图像中最大横坐标取值和最大纵坐标取值，且1≤i≤I及1≤j≤J，则通过位置为(i,j)的像素点在且的条件下与第k个目标聚类的
目标聚类中心点之间距离加权平方和位置为(i,j)的像素点的颜色(l
i,j
,a
i,j
,b
i,j
)在且的条件下与第k个目标聚类的目标聚类中心点的颜色(l
k
,a
k
,b
k
)之间色差加权平方在K个目标聚类到I
×
J个像素点之和，以及位置为(i,j)的像素点在(l
i,j
,a
i,j
,b
i,j
)∈Φ且存在的条件下与第k个目标聚类的目标聚类中心点的距离平方与所在目标聚类的限定区域半径平方之间差异值在I
×
J个像素点之和来构建果蔬分选多目标图像分割目标函数G，具体形式如下：3.根据权利要求1所述的一种面向果蔬分选设备的多目标图像分割方法，其特征在于，步骤2中计算所述当果蔬分选多目标图像分割目标函数对于某个像素点的位置属于某个目标聚类的隶属度存在极小值时该像素点的位置属于该目标聚类的隶属度取值的具体方法为：1)给出果蔬分选多目标图像分割目标函数G对像素点(i,j)的位置属于第k个目标聚类的隶属度μ
k,i,j
的一阶偏导数具体形式如下：2)给出果蔬分选多目标图像分割目标函数G对像素点(i,j)的位置属于第k个目标聚类的隶属度μ
k,i,j
的二阶偏导数具体形式如下：3)当为零时，可给出以拉格朗日乘子ξ为自变量时的因变量μ
k,i,j
形式，具体形式如下：
4)当存在时，可给出此时的拉格朗日乘子ξ，具体形式如下：5)在大于零且为零时，可给G对μ
k,i,j
取极小值时μ
k,i,j
的取值，具体形式如下：4.根据权利要求1所述的...

【专利技术属性】
技术研发人员：朱二，朱壹，
申请(专利权)人：江西绿萌科技控股有限公司，
类型：发明
国别省市：