[發明專利]基于顯著性檢測和聯合分割算法的背景圖像分割方法

在審

• 申請號: 201611116554.3
• 申請日: 2016-12-07
• 公開（公告）號: CN106780376A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 張建華;李凱;孔繁濤;馮全;吳建寨;韓書慶
• 申請（專利權）人: 中國農業科學院農業信息研究所
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/11;G06T7/143
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 王慶龍

技術領域

本發明涉及圖像處理技術領域，更具體地，涉及一種基于顯著性檢測和聯合分割算法的背景圖像分割方法。

背景技術

病害圖像識別包括圖像預處理、圖像分割、特征提取與模式識別。其中，圖像分割是關鍵步驟之一，分割精度直接影響特征提取的可靠性和模式識別的準確性。經典的分割方法有閾值法、邊緣檢測、基于統計模式識別的分割方法、基于人工神經網絡的分割方法等。

現有技術中每種分割方法都適用于各自特定的情況。如閾值分割計算簡單、運算效率較高、速度快，只考慮灰度值，不考慮空間特征，對噪聲敏感；閾值確定后，將閾值與像素點的灰度值逐個進行比較，而且像素分割可對各像素并行進行，分割的結果直接給出圖像區域；然而，閾值分割只適用于前背景對比度強的圖像，由于在實際情況下，物體背景和前景的對比度在圖像當中各處都不相同，因此很難有一個確定的閾值。邊緣檢測圖像灰度級或者結構突變的地方進行檢測，從而確定邊緣分布，常用Roberts算子、Prewitt算子和Sobel算子等一階微分算子和Laplace算子和Kirsh算子等二階微分算子進行邊緣檢測，但通常只適用于小噪聲特征簡單的圖像。因此，經典的分割方法也具有一定的局限性與不足。

自然條件下，復雜背景、天氣光照都會對圖像的成像質量造成較大的影響，容易使圖像前景和背景對比度不強，不同圖像之間變化很大，導致使用傳統方法分割效果不佳、適應性不高。目前，并不存在一種通用的分割方法，能夠適用于所有特征、所有情況下的圖像。

基于圖割的分割方法是近年來出現的一種新的解決分割問題的方法，在處理分割問題具有普適性，分割效果較好。但是在圖像前景和背景對比度不高的情況下，分割結果容易出現粘連，影響分割精度。一些學者建議從具有共同目標或共同前景的多張圖像中檢測到強特征，有助于區分前景和背景，這類方法稱為聯合分割法。聯合分割一般先對圖像用馬爾可夫隨機場建模，構造能量方程，然后用圖割方法對其進行優化求解，以實現對分割的分割處理。

發明內容

本發明提供一種克服上述問題或者至少部分地解決上述問題的基于顯著性檢測和聯合分割算法的背景圖像分割方法，能夠很好地解決普通分割法在分割過程中所出現的分割粘連的問題，以達到精準分割的目的；采用無監督的顯著性檢測算法，又使本方法能實現分割過程的自動化。

根據本發明的一個方面，提供一種背景圖像分割方法，包括以下步驟：

S1、對原始圖像進行處理，得到單張圖像顯著性圖和多張圖像聯合顯著性圖；

S2、將多張圖像聯合顯著性圖中的顯著性特征作為各個單張圖像的共同顯著性，對前景與背景進行區分；

S3、對背景圖像進行分割。

作為優選的，所述步驟S1具體包括：通過非監督的共同顯著性算法對圖像進行處理，得到每張圖像的單張圖像顯著性圖和多張圖像聯合顯著性圖。

作為優選的，所述步驟S2包括：

S21、為一組具有共同顯著性的圖像分配最優標記，利用馬爾可夫隨機場為標記后的圖像建立一個聯合分割的能量方程；

S22、通過建立的能量方程，將單張圖像顯著性圖中具有共同顯著性的局部特征像素標記為前景，其余像素標記為背景。

作為優選的，所述步驟S21具體包括：通過混合高斯模型對多張圖像聯合顯著性圖與單張圖像顯著性圖的差異進行建模，并將其作為馬爾可夫隨機場模型的全局約束來構造聯合分割的能量方程。

作為優選的，在步驟S21中，對于圖像I＝{I₁,…,I_i,…,I_N}，所述聯合分割的能量方程為：

E(S)＝E_A(S)+E_i(S)

式中，E_A(S)為單張圖像內部能量項，E_i(S)為圖像間全局能量項；為圖像I_i中的共同顯著性能量項，為圖像I_i中的平滑度能量項，η是共同顯著性能量項的權重；P(·)表示高斯概率分布，是圖像I_i中像素k或j的特征,是圖像I_i中第k像素，和表示圖像I_i前景和背景的混合高斯模型參數，Θ_com表示由所有圖像的前景組成共同目標的混合高斯模型參數。