[發明專利]基于統計學和分形維數的機器人視覺圖像分割方法

無效

• 申請號: 201110375409.8
• 申請日: 2011-11-23
• 公開（公告）號: CN102509274A
• 公開（公告）日: 2012-06-20
• 發明（設計）人: 胡凱;劉太磊;楊樂;曹晶晶;陳蓓玉;田志
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 艾中蘭

技術領域

本發明涉及一種圖像分割方法，更具體地說是一種基于統計學與分形維數的圖像分割方法，屬于機器視覺領域。

背景技術

圖像中不同的物體表面會呈現出不同的紋理特性，為了能夠區分出興趣目標與背景，紋理分割已經成為數字圖像處理的一個非常重要的研究方向，至今已提出多種分割方法。目前，多數是基于傳統歐氏幾何理論的空間域和頻域內的分割方法，但是，歐氏幾何理論不能夠描述形狀復雜的自然場景。Benoit?B.Mandelbro等人在70年代創立了區別于傳統幾何理論的分形幾何理論，提出了″分形″、″分形維數″等影響深遠的概念。

分形維數是分形幾何理論的基本概念之一，目前已得到廣泛重視，成為描述自然現象的重要參數，并應用于圖像分割，圖像壓縮以及計算機視覺領域。Shmuel?Peleg等人將分形維數作為圖像的紋理特征，分析了不同分辨率下圖像的紋理特性，實現Brodatz紋理圖像庫中各種紋理圖像的歸類。Sonny?Novianto等人提出了一種計算圖像分形維數Local?Fractal?Dimension，LFD)的算法，并結合聚類算法應用于自然景色的圖像分割。Hiromi?Yoshida提出了一種新的圖像二值化方法，可以將分形維數較高部分與較低部分分割開來，但是只適用于目標區域與背景區域分形維數相差較大的情況，而且需要對256個閾值分割的結果圖分別進行LFD計算，計算量較大，運行時間較長。

發明內容

本發明的目的是提出一種能夠應用于機器人視覺中的圖像分割方法，該方法采用圖像RGB顏色特征與分形維數特征相結合的方式進行圖像分割，并且使用統計學方法區分出所提取的特征所屬的圖像區域，能夠有效提高圖像分割的精度。

本發明具體采用如下技術方案：

一種基于統計學和分形維數的機器人視覺圖像分割方法，其特征在于包括以下步驟：

步驟一、分別拍攝天空、道路、樹木的圖像，形成三個圖像庫，對各圖像庫中圖像分別進行一系列的預處理，包括：灰度化、圖像灰度直方圖的均衡化、調整圖像尺寸為統一尺寸大小；

步驟二、對各圖像庫中圖像分別進行分形維數的計算，得到每幅圖像中每個像素點的分形維數；

步驟三、計算每個圖像庫中每幅圖像分形維數的平均值，統計每個圖像庫中各個平均值出現的次數并將其擬合為曲線，得到天空、道路、樹木對應的三個不同的分形區域；

步驟四、將要進行圖像分割的圖片經過步驟一中的預處理，再按照步驟二中的方法計算出每個像素點的分形維數值，然后將各個像素點的分形維數值按照步驟三中的分形區域歸為兩類，樹木為一類，道路和天空為一類；

步驟五、歸類完畢之后，針對圖像中存在的由于歸類錯誤而產生的雜小區域使用數學形態學的方法進行去除；

步驟六、后期引入原始圖像中的顏色特征來進一步區分道路和天空。

本發明所具有的有益效果為：

利用自然界中不同物體表面分形維數不同的特性，以及RGB顏色特征能夠有效精確地分割出天空，樹木，道路三個不同的區域。另外，在已有統計結果的基礎上進行圖像區域分割也可以提高分割的速度。

附圖說明

圖1為本發明圖像分割方法流程圖。

圖2為本發明統計圖像庫中的圖片。

圖3為本發明中計算分形維數的流程圖。

圖4為LFD均值統計結果曲線擬合結果。

圖5為LFD?map的生成。

圖6為本發明的分割效果，其中(b)(e)分別是(a)(d)的分割結果，(c)(f)分別是在(b)(e)基礎上平滑后的效果圖。

具體實施方式

下面結合附圖和具體實施方式對本發明作進一步詳細的描述。

如圖1所示，基于統計學和分形維數的機器人視覺圖像分割方法，包括如下步驟：

步驟一、拍攝天空、道路、樹木的圖像各1000張(如圖2所示)，形成天空、道路、樹木的圖像庫(每個圖像庫中圖像數量以上千張為宜，本具體實施例取1000張)，對各圖像庫中的1000張圖像分別進行一系列的預處理，包括：灰度化、圖像灰度直方圖的均衡化、調整圖像尺寸為統一尺寸大小。

步驟二、對各圖像庫中1000張圖像分別進行分形維數的計算，得到每幅圖像中每個像素點的分形維數；

計算圖像分形維數的方法如圖3所示：

步驟A、設置覆蓋于圖像表面的毯子厚度為E＝44，該值是經過試驗得到的最優毯子厚度值。其中設置上毯子表示為u(i，j，ε)，下毯子表示為b(i，j，ε)，并定義其初始值分別為：