[發(fā)明專利]一種基于點(diǎn)擊式圖像分割的無人機(jī)航拍圖像電子勾繪方法

有效

• 申請?zhí)枺?/td>: 201610017713.8
• 申請日: 2016-01-12
• 公開（公告）號: CN105701810B
• 公開（公告）日: 2019-05-17
• 發(fā)明（設(shè)計(jì)）人: 王橋生;趙鑫;胡達(dá)偉
• 申請（專利權(quán)）人: 湖南中航天目測控技術(shù)有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187
• 代理公司: 長沙星耀專利事務(wù)所(普通合伙) 43205
• 代理人: 許伯嚴(yán)

1.一種基于點(diǎn)擊式圖像分割的無人機(jī)航拍圖像電子勾繪方法，所述方法采用高斯混合模型和圖割算法，其特征是包括以下步驟：

S01.輸入待分割的圖像，以及圖像通道數(shù)目和寬高信息，所述圖像為固定翼無人機(jī)拍攝的航拍圖像；

S02.設(shè)置分割過程的必要參數(shù)，所述必要參數(shù)包括“噪聲控制參數(shù)”，“分割精細(xì)度控制參數(shù)”和“采樣半徑”；

S03.用戶點(diǎn)擊興趣目標(biāo)，捕獲點(diǎn)擊位置的(x,y)坐標(biāo)，所述x，y取值為相對于圖像左上角的偏移；

S04.計(jì)算輸入圖像中像素點(diǎn)之間的紋理相似度，即計(jì)算灰度值之間差值的平方；

S05.根據(jù)步驟S03中用戶點(diǎn)擊位置和步驟S02中必要參數(shù)的“采樣半徑”，提取局部像素點(diǎn)，像素點(diǎn)個數(shù)記為N^f，其中f表示興趣目標(biāo)中包含的部分像素點(diǎn)，依據(jù)這部分像素點(diǎn)灰度值并結(jié)合圖像邊緣位置的局部像素點(diǎn)灰度值構(gòu)造高斯混合模型；

S06.計(jì)算全部像素點(diǎn)屬于興趣目標(biāo)或非興趣目標(biāo)的概率密度；

S07.計(jì)算像素點(diǎn)之間的空間距離，所述空間距離為位置坐標(biāo)之間的歐式距離；

S08.通過圖割算法求解能量方程，得到分割結(jié)果；

S09.對分割結(jié)果后處理，所述后處理即只輸出包含用戶點(diǎn)擊位置的聯(lián)通區(qū)域；

S10.當(dāng)分割結(jié)果不滿足用戶要求時，重復(fù)步驟S03～S09，直到得到滿意結(jié)果，輸出分割結(jié)果，所述結(jié)果包括興趣目標(biāo)的輪廓點(diǎn)坐標(biāo)；

所述步驟S05中構(gòu)造高斯混合模型還包括以下步驟：

e1.對步驟S05中局部像素點(diǎn)進(jìn)行聚類分析，聚類數(shù)目記為m，所述聚類數(shù)目即為高斯混合模型中高斯核的個數(shù)，每個聚類中像素點(diǎn)的個數(shù)記為:

e2.從圖像邊緣位置，提取部分像素點(diǎn)，作為非興趣目標(biāo)的先驗(yàn)信息，其像素點(diǎn)個數(shù)記為N^b，同樣將這部分像素點(diǎn)聚為m類，每個聚類中像素點(diǎn)的個數(shù)為：

e3.分別計(jì)算e1和e2中兩高斯混合模型的均值：

根據(jù)興趣目標(biāo)中局部像素點(diǎn)灰度值構(gòu)造的高斯混合模型的均值，即聚類中心，

根據(jù)非興趣目標(biāo)，即背景，中局部像素點(diǎn)灰度值構(gòu)造的高斯混合模型的均值，

C_i：代表某一聚類，

興趣目標(biāo)局部像素點(diǎn)，聚類C_i中像素點(diǎn)的灰度值，對真彩色圖像，μ_i為一矢量，矢量維數(shù)等于圖像通道數(shù)目，

非興趣目標(biāo)局部像素點(diǎn)，聚類C_i中像素點(diǎn)的灰度值；

e4.分別計(jì)算e1和e2中兩高斯混合模型的方差：

其中，為根據(jù)興趣目標(biāo)中局部像素點(diǎn)灰度值構(gòu)造的高斯混合模型的協(xié)方差矩陣，為根據(jù)非興趣目標(biāo)中局部像素點(diǎn)灰度值構(gòu)造的高斯混合模型的協(xié)方差矩陣，對真彩色圖像：

此時，協(xié)方差矩陣為3x3的對稱矩陣；

對灰度圖像：

此時，協(xié)方差矩陣為1x1矩陣；

e5.計(jì)算高斯混合模型中個高斯的權(quán)重，

興趣目標(biāo)對應(yīng)的高斯混合模型權(quán)重：

非興趣目標(biāo)對應(yīng)的高斯混合模型權(quán)重：

所述步驟S06中計(jì)算概率密度還包括以下步驟：

f1.逐像素點(diǎn)計(jì)算高斯混合模型的條件概率密度：

像素點(diǎn)屬于興趣目標(biāo)：

像素點(diǎn)屬于非興趣目標(biāo)：

f2.逐像素點(diǎn)計(jì)算總的聯(lián)合概率密度：

像素點(diǎn)屬于興趣目標(biāo)：p(I_k，F(xiàn))＝γp(I_k|F^UNIFORM)+(1-γ)p(I_k|F^GMM)，

像素點(diǎn)屬于非興趣目標(biāo)：p(I_k，B)＝γp(I_k|B^UNIFORM)+(1-γ)p(I_k|B^GMM)，

所述聯(lián)合概率密度，當(dāng)γ＝0是完全由高斯混合模型確定，當(dāng)γ＝1時完全由均勻分布確定；

f3.逐像素點(diǎn)計(jì)算其屬于興趣目標(biāo)的后驗(yàn)概率：

所述步驟S08還包括以下步驟：

h1.構(gòu)造圖模型，所述圖模型的節(jié)點(diǎn)包括圖像中的像素點(diǎn)，p，q∈P，以及兩個額外的節(jié)點(diǎn)，即興趣目標(biāo)節(jié)點(diǎn)N^f和非興趣目標(biāo)節(jié)點(diǎn)N^b，圖模型中的邊包括像素點(diǎn)之間，記為E_p，q，以及像素點(diǎn)與兩個額外節(jié)點(diǎn)之間，記為和

h2.確定邊上的權(quán)重：

其中(I_p-I_q)²由步驟S04計(jì)算，dist(p，q)由步驟S07計(jì)算，N表示p,q為相鄰像素，

其中f為興趣目標(biāo)的局部像素點(diǎn)，b為非興趣目標(biāo)的局部像素點(diǎn)，

其中p(F|I_p)為像素點(diǎn)p屬于興趣目標(biāo)的后驗(yàn)概率；

h3.構(gòu)造能量方程：

設(shè)一種分割結(jié)果s＝(s₁，s₂，...，s_p∈P)，其中

能量方程E(S)＝λ∑_p∈PREgion_p(s_p)+∑_p，q∈NBoundoury_p，qδ(s_p，s_q)，其中等式右側(cè)第一項(xiàng)表示“區(qū)域?qū)傩皂?xiàng)”，第二項(xiàng)表示“邊界屬性項(xiàng)”，

h4.利用圖割求解能量方程：

設(shè)一種“切割”記為Cut，這種Cut的損失為：

則E(S(Cut))＝Cost(Cut)+const，

其中，Region_p(″object″)＝-ln(p(F|I_p))，Region_p(″background″)＝-ln(1-p(F|I_p))，

最小化能量方程E(S(Cut))即最小化Cost(Cut)。

2.如權(quán)利要求1所述的一種基于點(diǎn)擊式圖像分割的無人機(jī)航拍圖像電子勾繪方法，其特征是，所述步驟S02中，“噪聲控制參數(shù)”取值范圍為[1,15]，取值越大效果越明顯，“分割精細(xì)程度控制參數(shù)”取值范圍為[0,100]，取值越小越精細(xì)，“采樣半徑”取值范圍[2,5]。