一种基于颜色样本与电场模型的图像分割方法技术

本发明专利技术涉及一种基于颜色样本与电场模型的图像分割方法。本发明专利技术把物理学中的电场理论引入颜色样本学习、模型训练与像素分类：从样本图片中选取目标区域的正样本与负样本像素数据，把颜色空间作为3D电场模型并计算每个坐标点的场强，基于贝叶斯准则推导空间中每处颜色值属于目标区域的概率，通过描述分类效果的ROC曲线寻找空间中目标的最优分割阈值，确定电场模型相关参数与合适的电场空间分辨率，利用映射表法建立索引进而实现像素的快速分类与图像分割。相比现有的直方图模型，本发明专利技术在小样本情况下也能够估算出非样本点的概率；相比现有的核密度估计法，本发明专利技术通过更多的核描述目标区域的颜色分布，能够实现精度更高且兼顾时间效率的图像分割。

【技术实现步骤摘要】

本专利技术涉及数字图像处理中基于颜色特征的图像分割
，尤其涉及。
技术介绍
图像分割是数字图像处理和计算机视觉领域中的一个基本而关键的问题，目的是将人们感兴趣的目标从图像背景中提取出来，为后续的分类、跟踪、识别等处理提供基础。具体而言，图像分割指的是利用数字图像的某些特性，如颜色、形状、纹理等，将图像细分为多个图像子区域或像素集合的过程。现有的图像分割方法大致可分为阈值分割、边缘检测分割、区域特性分割、特征空 间聚类分割等。其中阈值分割法主要包括直方图阈值、最大类间方差(Otsu)阈值、二维最大熵值、模糊阈值、共生矩阵阈值等；边缘检测法主要包括Sobel算子、Canny算子、Laplacan算子、Roberts算子、Prewitt算子、Susan边缘检测算子、活动轮廓模型、分水岭算法、水平集方法等；区域分割法主要包括区域增长、区域分开与合并、数学形态学等；空间聚类法主要包括K均值、模糊C均值、Mean-Shift等。从特征角度考虑，颜色是图像分割最常使用的特征之一，如目标的灰度或彩色信息，而常用颜色模型包括RGB、HSI、YCbCr等。在实际应用中，目标往往会受光照、阴影等的影响而呈现出不同颜色，从而无法为目标定义适合所有情况的颜色区间。因此，只能根据某种具体场景的样本数据做针对性统计分析，得到适合该类场景的目标颜色范围并用于图像分割。已有方法将采集到的目标区域的样本像素映射到颜色模型的ID空间(如HSI颜色模型的H通道)或2D空间(如YUV颜色模型的UV平面)，然后根据样本分布情况通过阈值定义相对简单的规则的颜色范围，或者通过不等式组定义相对复杂的不规则的颜色范围。为了更加精确地描述样本数据的分布范围，还有方法在YCbCr模型的CbCr平面上拟合了三条多项式曲线作为映射后样本集合的边界。但事实上样本像素是在3D颜色空间中分布的，因此这种简单映射到低维空间的方式难以描述目标区域的精确范围。对样本数据3D分布进行统计分析的典型方法包括直方图模型与核密度估计法。直方图模型在颜色空间中分别统计出正样本和负样本的颜色直方图，基于两个直方图并借助贝叶斯准则构造分类器，使得每组颜色值对应着一个是否为目标的布尔值，因此在颜色空间中定义的目标范围是由离散点组成的集合，与目标区域颜色连续性分布的客观事实相距较远。虽然直方图模型样本学习时间短，但只有在大样本训练时才能获得较好的分割效果，小样本情况下无法估计出非样本点的概率。以高斯混合模型(GMM)为例的核密度估计法定义混合概率密度函数为若干高斯核之和，由此计算出的像素概率代表了其为目标的可能性。该模型试图通过若干个影响周围空间的高斯核组合描述颜色分布的连续性，但这种近似的表达仍然比较粗略，对颜色范围及其边界的定义不够精确，相应的分割效果也不够理想。另外，GMM的训练时间过长，尤其是在高斯核数目自动计算的情况下。
技术实现思路
针对上述存在的技术问题，本专利技术目的是提供，以实现基于颜色特征的精度更高且兼顾时间效率的目标分割。为达到上述目的，本专利技术采用如下的技术方案 ，包括以下步骤 步骤1，从样本图片中，选取目标区域的像素作为正样本数据，选取非目标区域的像素作为负样本数据； 步骤2，建立电场模型，包括以下子步骤， 步骤2. 1，将三维的顔色空间作为电场空间，将电场空间中每个单位坐标作为一个点电荷， (a)将正样本数据以散乱点集的形式置于电场空间，点电荷所带电量等于相应単位坐标处的正样本数据个数； 设点电荷vi的电量为qi，点电荷vi在电场空间中任ー单位坐标Pj处产生的电场场强为权利要求1.，其特征在于，包括以下步骤 步骤1，从样本图片中，选取目标区域的像素作为正样本数据，选取非目标区域的像素作为负样本数据； 步骤2，建立电场模型，包括以下子步骤， 步骤2. 1，将三维的顔色空间作为电场空间，将电场空间中每个单位坐标作为一个点电荷，(a)将正样本数据以散乱点集的形式置于电场空间，点电荷所带电量等于相应単位坐标处的正样本数据个数； 设点电荷1的电量为ft，点电荷B在电场空间中任ー单位坐标Pj处产生的电场场强为2.根据权利要求I所述的ー种基于颜色样本与电场模型的图像分割方法，其特征在于步骤2.3中通过ROC曲线寻找目标的最优分割阈值时，包括以下子步骤， ①基于正样本数据和负样本数据计算并绘制ROC曲线，其横纵坐标分别为假阳性率和真阳性率； ②遍历ROC曲线上的点，比较每一点对应的分割阈值； ③选取最优分割阈值，使得真阳性率尽量大且假阳性率尽量小。3.根据权利要求I所述的ー种基于颜色样本与电场模型的图像分割方法，其特征在于步骤3中，将函数4ろ、Vi)定义为单位坐标巧与点电荷Vi之间欧氏距离的平方；通过ROC曲线确定常量参数ご和电场空间分辨率的取值。全文摘要本专利技术涉及。本专利技术把物理学中的电场理论引入颜色样本学习、模型训练与像素分类从样本图片中选取目标区域的正样本与负样本像素数据，把颜色空间作为3D电场模型并计算每个坐标点的场强，基于贝叶斯准则推导空间中每处颜色值属于目标区域的概率，通过描述分类效果的ROC曲线寻找空间中目标的最优分割阈值，确定电场模型相关参数与合适的电场空间分辨率，利用映射表法建立索引进而实现像素的快速分类与图像分割。相比现有的直方图模型，本专利技术在小样本情况下也能够估算出非样本点的概率；相比现有的核密度估计法，本专利技术通过更多的核描述目标区域的颜色分布，能够实现精度更高且兼顾时间效率的图像分割。文档编号G06T7/40GK102663723SQ20121004322公开日2012年9月12日 申请日期2012年2月24日 优先权日2012年2月24日专利技术者章登义, 袁志勇, 赵俭辉 申请人:武汉大学本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：赵俭辉，袁志勇，章登义，
申请(专利权)人：武汉大学，
类型：发明
国别省市：