一种基于自适应种子选取的货运图像分割算法制造技术

本发明专利技术提供一种基于自适应种子选取的货运图像分割算法，通过使用一种自适应种子选取算法（APSS）获得图像中灰度与纹理分布中心点的初始值，并用K-Mean算法进行图像兴趣区域的分割，在此基础上利用邻域特征对图像中的兴趣区域进行重新合并，得到最终的分割结果。本发明专利技术的有益效果是：使用了一种自适应的种子选取方法，这种选取初始点的方法提高了之后K-Mean分割的速度，通过基于邻域特征的合并，提高了最终图像分割的精度。

【技术实现步骤摘要】
本专利技术涉及一种货运图像分割算法，尤其是涉及一种基于自适应种子选取的货运图像分割算法。
技术介绍
铁路货运列车图像的构成可分为图片背景，货车背景和货物三个部分。为了能更好的对这些区域进行有针对性的智能分析与识别，需要对图像进行精准分割。但现有的方法都不能提供足够准确和快速的处理结果。
技术实现思路
本专利技术的目的是提供一种更加准确和快速的基于自适应种子选取的货运图像分割算法。本专利技术的技术方案是一种基于自适应种子选取的货运图像分割算法，包括以下步骤步骤一、将图像数据带入Gabor Filter算法获取图像的纹理信息，即纹理图像，Gabor Filter算法的计算公式如下、I—I X ^ (X ^\f(x,ytw, Θ,IrcfIrv) = -^πρ[—^~十 I ^~) I ^ jw(xcosB i- ysini)]-- 2πσχσ}, 2 - σχ \σ}, /χ, y是图像坐标，σ是空间宽度，w是频率，Θ是偏移角度；步骤二、将步骤一得到的纹理图像沿着X轴方向，以窗口半径为5，进行扫描，对整幅图像进行均值滤波处理，去除因Gabor Filter带来的噪音；步骤三、根据步骤二中获得的图像纹理信息中的灰度信息，获得纹理灰度直方图；步骤四、根据步骤三获得的直方图，使用自适应种子选取方法，选取初始化中心点的灰度值，具体的选取方法是，设一组直方图数组X (X1, X2, X3^-Xm),需要选取一组包含K个初始化中心点的数组C，K即是分类的数量，m是数组中数据的数量，在8位灰度图像中，m的值为255 4. I)计算数组X中所有数据点的中值MIDMID= (Xfflax - Xfflin) /2 + Xfflin ；4. 2)找到数组中距离MID最近的数据点Xh，把Xh作为第一个初始化中心点放入数组C ;4. 3)对于数组X，计算每一个数据点Xi到C中最近点的距离(KXi)，其中i e m ;4. 4)计算出 d (X)的距离之和 sum (d (X)),并设定 y = sum (d (X))/2 ；4. 5)找到唯一一个系数j，使其符合下面的条件Cl(X1)2 + d (X2)2 + …+ d (Xj)2 >= y >= (I(X1)2 + d (X2)2 + …+ (I(Xjm)2 ；4. 6)将Xj作为另一个初始化中心点放入数组C ；4. 7)重复步骤4. 3-4. 6直到找齐K个初始化中心点步骤五、将根据步骤四获得的初始化中心点带入K-mean算法，对直方图进行分类，获得最终分类的中心点，K-mean算法的步骤如下5. I)设对m个聚类对象进行K个分类，将根据步骤四获得的初始化中心点作为K个分类对象的初始聚类中心；5. 2)计算每个聚类对象与这些聚类中心的距离，并根据最小距离分配到K个聚类中最近的一个；5. 3)使每个聚类中所有的样本的均值作为新的聚类中心；5. 4)重复5. 2和5. 3直到聚类中心不再变化；步骤六、在步骤五得到的纹理灰度直方图中的分类结果，有K个分类，将灰度值即0-255，分为K组区间，根据不同的分类区间，对纹理图像中的每一个像素进行二次赋值，达到图像分割的目的。本专利技术具有的优点和积极效果是由于本技术方案，对图像的分割结合了图像灰度和纹理两部分信息，对分割聚类的初始点，使用了一种自适应的种子选取方法，这种选取初始点的方法提高了之后K-Mean分割的速度，通过基于邻域特征的合并，提高了最终图像分割的精度。附图说明图I是本专利技术的流程框图；图2是本专利技术中步骤三得出的直方图。具体实施例方式下面结合附图及具体实施方式对本专利技术作进一步说明。如图I所示，本专利技术包括以下步骤步骤一、由于原图像的灰度像素值无法满足分割要求，所以首先利用GaborFilter算法获得图像的纹理信息。将图像数据带入Gabor Filter算法获取图像的纹理信息，即纹理图像，Gabor Filter算法的计算公式如下本文档来自技高网...

【技术保护点】
一种基于自适应种子选取的货运图像分割算法，其特征在于：包括以下步骤：步骤一、将图像数据带入Gabor？Filter算法获取图像的纹理信息，即纹理图像，Gabor？Filter算法的计算公式如下：f(x,y,w,θ,σx,σy)=12πσxσyexp[-12((xσx)2+(xσy)2)+jw(xcosθ+ysinθ)]x,？y是图像坐标，σ是空间宽度，w是频率，θ是偏移角度；步骤二、将步骤一得到的纹理图像沿着X轴方向，以窗口半径为5，进行扫描，对整幅图像进行均值滤波处理，去除因Gabor？Filter带来的噪音；步骤三、根据步骤二中获得的图像纹理信息中的灰度信息，获得纹理灰度直方图；步骤四、根据步骤三获得的直方图，使用自适应种子选取方法，选取初始化中心点的灰度值，具体的选取方法是，设一组直方图数组X（X1，X2，X3,…Xm）,需要选取一组包含K个初始化中心点的数组C，K即是分类的数量，？m是数组中数据的数量，在8位灰度图像中，m的值为255：4.1）计算数组X中所有数据点的中值MIDMID=？（Xmax？–？Xmin）/2？+？Xmin？；4.2）找到数组中距离MID最近的数据点Xh，把Xh作为第一个初始化中心点放入数组C；4.3）对于数组X，计算每一个数据点Xi到C中最近点的距离d(Xi)，其中i∈m；4.4）计算出d(X)的距离之和sum(d(X))，并设定y？=？sum(d(X))/2；4.5）找到唯一一个系数j，使其符合下面的条件：d(X1)2？+？d(X2)2？+？…+？d(Xj)2？>=？y？>=？d(X1)2？+？d(X2)2？+？…+？d(Xj？1)2；4.6）将Xj作为另一个初始化中心点放入数组C；4.7）重复步骤4.3？4.6直到找齐K个初始化中心点步骤五、将根据步骤四获得的初始化中心点带入K？mean算法，对直方图进行分类，获得最终分类的中心点，K？mean算法的步骤如下：？5.1）设对m个聚类对象进行K个分类，将根据步骤四获得的初始化中心点作为K个分类对象的初始聚类中心；5.2）计算每个聚类对象与这些聚类中心的距离，并根据最小距离分配到K个聚类中最近的一个；5.3）使每个聚类中所有的样本的均值作为新的聚类中心；5.4）重复5.2和5.3直到聚类中心不再变化；步骤六、在步骤五得到的纹理灰度直方图中的分类结果，有K个分类，将灰度值即0？255，分为K组区间，根据不同的分类区间，对纹理图像中的每一个像素进行二次赋值，达到图像分割的目的。...

【技术特征摘要】
1.一种基于自适应种子选取的货运图像分割算法，其特征在于包括以下步骤步骤一、将图像数据带入Ga...

【专利技术属性】
技术研发人员：俞大海，单玉堂，韩建枫，陈钟，岳明，李震，杨勇，孙芳，
申请(专利权)人：天津光电高斯通信工程技术有限公司，
类型：发明
国别省市：