[發(fā)明專利]一種適用于高動態(tài)光照條件的運動工件目標(biāo)無監(jiān)督分割方法

在審

• 申請?zhí)枺?/td>: 201710535736.2
• 申請日: 2017-07-04
• 公開（公告）號: CN107516320A
• 公開（公告）日: 2017-12-26
• 發(fā)明（設(shè)計）人: 何自芬;姜守帥;張印輝
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/194
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種適用于高動態(tài)光照條件的運動工件目標(biāo)無監(jiān)督分割方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。

背景技術(shù)

動態(tài)目標(biāo)分割技術(shù)是工業(yè)機器人視覺系統(tǒng)中的一項關(guān)鍵技術(shù)，其基本思想是將從機器人視覺系統(tǒng)獲取的視頻圖像中前景運動工件目標(biāo)提取出來，獲取其邊緣輪廓目標(biāo)形狀以及運動信息。運動目標(biāo)檢測分割問題一直以來在機器視覺技術(shù)以及模式識別相關(guān)領(lǐng)域都占據(jù)著極其重要的地位。運動目標(biāo)的分割是在靜態(tài)圖像處理技術(shù)的基礎(chǔ)上發(fā)展起來的，其發(fā)展較晚，且是一個難點。對運動目標(biāo)的分割研究一直以來都是一大極具挑戰(zhàn)性的方向，隨著科技和工業(yè)自動化水平的不斷提升，人們對動態(tài)目標(biāo)的分割算法的性能越來越高，因此對運動目標(biāo)分割算法的研究也越來越受到人們的關(guān)注。

對視頻前景運動目標(biāo)物體進行分割的算法種類多鐘多樣。如果按照算法應(yīng)用背景的差異性來分，則視頻前景運動目標(biāo)物體分割可分成兩大類：對復(fù)雜場景中的前景運動目標(biāo)物體的分割以及對簡單場景中的前景運動目標(biāo)物體的分割。如果按照視頻前景運動目標(biāo)物體進行分割時是否需要用戶參與進行分類，則可將視頻分割算法分為自動分割方法和半自動分割方法兩大類。其中自動分割方法是一種無監(jiān)督的視頻處理方法，該方法不需要用戶的人為干預(yù)，僅將待處理的視頻圖像序列載入，然后根據(jù)圖像自身的紋理，顏色及運動目標(biāo)連續(xù)幀間的關(guān)聯(lián)性等信息實現(xiàn)對視頻序列的自動分割。自動分割方法的優(yōu)點在于該方法可實現(xiàn)自動分割且部署簡單，分割的實時性較好；半自動分割方法是一種有監(jiān)督的視頻處理方法，該方法需要用戶的人為干預(yù)，在進行視頻分割之前需人為的引入分割對象的先導(dǎo)信息。該方法的優(yōu)點在于其分割的精度相較于自動分割算法較高，在分割過程中若分割出現(xiàn)偏差可認(rèn)為修正，但其應(yīng)用部署復(fù)雜且分割實時性不好。非限制場景中運動目標(biāo)快速分割方法是一種無監(jiān)督的自動視頻分割算法，其分割精度受光照條件影響較為突出，光照較強時該算法的分割精度會大大降低。

發(fā)明內(nèi)容

本發(fā)明提供了一種適用于高動態(tài)光照條件的運動工件目標(biāo)無監(jiān)督分割方法，該方法針對非限制場景中運動目標(biāo)的快速分割方法的分割精度易受光照條件影響的缺點提出一種單幀疊加以更加突出前景運動目標(biāo)的特征信息的圖像預(yù)處理方法，有效的較少了光照條件對該方法分割精度的影響，提高了視頻分割的精度。

本發(fā)明的技術(shù)方案是：一種適用于高動態(tài)光照條件的運動工件目標(biāo)無監(jiān)督分割方法，所述方法的具體步驟為：

Step1、首先利用圖像采集設(shè)備進行視頻圖像數(shù)據(jù)的采集并對采集的視頻數(shù)據(jù)進行分幀處理；其次對分幀后的視頻圖像序列進行尺寸統(tǒng)一化處理，尺寸大小統(tǒng)一為320×240；

Step2、利用通過Step1處理得到的視頻連續(xù)幀圖像進行單幀疊加，并將疊加后的圖像與背景圖像進行減差處理；

Step3、采用LDOF光流法對通過Step2得到的連續(xù)圖像序列進行光流場的計算，并根據(jù)該光流場獲取視頻前景運動目標(biāo)的邊界輪廓；

Step4、采用內(nèi)外映射的方法獲取前景運動工件目標(biāo)內(nèi)部像素點；

Step5、采用SLIC超像素生成算法對視頻圖像進行過分割處理生成超像素集合；對生成的超像素集合分別建立其前景混合高斯模型和背景混合高斯模型以及超像素在時間域傳播的位置模型，從而實現(xiàn)對視頻前景目標(biāo)的分割。

所述步驟Step2中，對采集得到的視頻連續(xù)幀序列圖像進行單幀疊加，并將疊加后的圖像與背景圖像進行減差處理，具體步驟如下：

Step2.1、利用通過Step1處理得到的視頻連續(xù)幀圖像，對每幀圖像進行三次單幀疊加處理，用于增強圖像整體特征；然后將疊加后的圖像與無前景目標(biāo)的背景圖像進行一次減差處理，用于增強前景工件目標(biāo)的特征信息。

本發(fā)明的有益效果是：

本發(fā)明針對非限制場景中運動目標(biāo)的快速分割方法的分割精度易受光照條件影響的缺點提出一種單幀疊加以更加突出前景運動目標(biāo)的特征信息的圖像預(yù)處理方法，有效的較少了光照條件對該方法分割精度的影響，提高了視頻分割的精度。

附圖說明

圖1是本發(fā)明的方法流程圖；

圖2是視頻前景運動工件目標(biāo)特征增方法示意圖；

圖3是生成的光流場意圖；

圖4是前景目標(biāo)邊界輪廓圖；

圖5是內(nèi)外映射圖；

圖6是內(nèi)外映射法獲取的前景目標(biāo)內(nèi)部像素圖；

圖7是超像素圖；

圖8是最終分割結(jié)果圖。

具體實施方式