[發明專利]一種快速自動語義圖像分割模型方法

在審

• 申請號: 201510022036.4
• 申請日: 2015-01-16
• 公開（公告）號: CN104504725A
• 公開（公告）日: 2015-04-08
• 發明（設計）人: 劉尚旺;孫林;袁培燕;趙曉焱;李名
• 申請（專利權）人: 河南師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/02
• 代理公司: 無
• 代理人: 無

技術領域

本發明涉及圖像處理技術領域，涉及一種快速自動語義圖像分割模型方法。

背景技術

語義圖像分割是指符合人類視覺特點的基于顯著目標對象的圖像分割。其宗旨是把圖像分割為一個或幾個感興趣區域，以便進行深入的圖像分析與理解。而人們在觀察一幅圖像時，會選擇性地將注視焦點放在自己感興趣的區域，這與語義圖像分割的目的不謀而合。視覺注意模型是為模擬人類視覺系統的注意機制而提出的模型，從而可應用于圖像分割。但其圖像分割結果常受注視焦點這一形式的影響，而呈現出分散性與不規則性。

為了克服視覺注意模型語義圖像分割的上述缺點，本發明提出利用脈中耦合神經網絡(Pulse?Coupled?Neural?Network，PCNN)來提高和改善視覺注意模型語義圖像分割結果的光滑一致性和形狀特性。PCNN作為第3代人工神經網絡的主要代表，在圖像處理尤其圖像分割方面有著良好的性能。

發明內容

為了進行快速語義圖像分割，在深入研究視覺注意模型中的相位譜四元數傅里葉變換模型(Phase?Spectrum?of?Quaternion?Fourier?Transform，PQFT)和PCNN模型的基礎上，本發明提出改進PQFT與簡化PCNN整合模型，以在保證實時語義圖像分割的同時，取得較好的自動語義圖像分割效果。

為實現快速自動語義圖像分割模型，本發明的方案包括：

一種快速自動語義圖像分割模型方法，其包括如下步驟：

S1、對原相位譜四元數圖像傅里葉變換模型PQFT進行改進；

S2、對改進后的PQFT模型與脈沖耦合神經網絡PCNN整合進行語義圖像分割；

S3、自動輸出語義圖像分割結果。

在本發明所述的快速自動語義圖像分割模型方法中，所述步驟S1包括如下子步驟：

S11、將原四元數圖像的RGB顏色空間轉換為CIE?Lab顏色空間；

S12、改進四元數圖像的虛部；

S13、確定四元數圖像像素的周圍區域。

在本發明所述的快速自動語義圖像分割模型方法中，所述步驟S12中改進四元數圖像的虛部包括：

選擇去掉冗余低頻信息的L、a和b這三個通道作為四元數圖像的虛部系數，具體計算方法為：

X₁＝L-L₁

X₂＝a-a₁

X₃＝b-b₁

上面三個式中，X₁、X₂和X₃分別用來代替PQFT模型中RG(t)、BY(t)以及I(t)；L、a和b是CIE?Lab顏色空間三個特征通道；L₁、a₁和b₁是對應特征通道像素點周圍區域的均值；若X₁、X₂和X₃為負值，則將其設為0。

在本發明所述的快速自動語義圖像分割模型方法中，所述步驟S13中采用簡單地利用將圖像的寬和高與PCNN鏈接強度系數β相乘的方法；其中，β值的計算，如式所示式中，STD_ij表示像素點I(i，j)的灰度值與其8-鄰域灰度值的標準方差。

在本發明所述的快速自動語義圖像分割模型方法中，所述步驟S2包括如下子步驟：

S21、接收輸入域：對于給定彩色輸入圖像，將X₁、X₂和X₃的特征融合圖(I_ij)作為PCNN的輸入圖像，這樣不僅可以增強輸入圖像中的顯著對象，而且可以提高PCNN的抗噪能力；

S22、調制鏈接域：在調制鏈接域，對被接收進來的主輸入和鏈接輸入進行全局調制耦合；

S23、脈沖產生域：對模型產生的顯著圖，為了增強圖像分割的泛化性能，用顯著圖的統計直方圖的峰谷點數來表示給定圖像中的顯著對象個數，而峰谷之間的像素點數目占的比重作為返回抑制機制選擇像素數的依據；

S24、顯著區域自動判別算法：根據分割圖像尺寸變化情況來自動判斷并輸出正確的語義圖像分割結果。

在本發明所述的快速自動語義圖像分割模型方法中，所述步驟S21包括：

PCNN的主輸入(F)和鏈接輸入(L)分別用來接收外界刺激和局部刺激，分別如下述兩個公式所示：