[發(fā)明專利]結(jié)合Ostu閾值法的最小生成樹分割方法、系統(tǒng)及裝置

在審

• 申請?zhí)枺?/td>: 201810304954.X
• 申請日: 2018-04-08
• 公開（公告）號: CN108537812A
• 公開（公告）日: 2018-09-14
• 發(fā)明（設(shè)計）人: 宋森森;賈振紅
• 申請（專利權(quán)）人: 新疆大學(xué)
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/194;G06T7/90
• 代理公司: 北京鼎佳達(dá)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11348
• 代理人: 王偉鋒;劉鐵生

本發(fā)明公開了一種結(jié)合Ostu閾值法的最小生成樹分割方法、系統(tǒng)及裝置，其中，結(jié)合Ostu閾值法的最小生成樹分割方法，包括:將圖像的RGB顏色空間轉(zhuǎn)化為HSV顏色空間；分別計算HSV顏色空間中H，S，V三個顏色通道的Ostu閾值，然后進(jìn)行加權(quán)，得出最終的Ostu閾值；將所述圖像映射為圖論中的圖，構(gòu)造最小生成樹；對所述最小生成樹進(jìn)行合并，從而得出分割的圖像。實(shí)現(xiàn)減少誤分割率高的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，具體地，涉及一種結(jié)合Ostu閾值法的最小生成樹分割方法、系統(tǒng)及裝置。

背景技術(shù)

圖像分割是指根據(jù)一定的相似性準(zhǔn)則將圖像劃分成不同區(qū)域的過程，是計算機(jī)視覺、圖像處理等領(lǐng)域的基礎(chǔ)性問題之一，是圖像分類、場景解析、物體檢測、圖像3D重構(gòu)等任務(wù)的預(yù)處理。傳統(tǒng)的圖像分割方法主要包括閾值法、邊界檢測法、區(qū)域法等，這些方法的實(shí)現(xiàn)原理有所不同，但基本都是利用圖像的低級語義，包括圖像像素的顏色、紋理和形狀等信息，遇到復(fù)雜場景時實(shí)際分割效果不盡理想。圖論的理論和方法引入圖像分割問題。其原理是將待分割圖像映射為帶權(quán)無向圖，根據(jù)圖的頂點(diǎn)以及邊的信息構(gòu)造代價函數(shù)并加以優(yōu)化，將圖像分割問題轉(zhuǎn)換為圖的頂點(diǎn)標(biāo)注問題，標(biāo)號相同的頂點(diǎn)所對應(yīng)的像素屬于同一個圖像塊。

最小生成樹是圖論中的一個概念，是指邊的權(quán)值之和最小的生成樹。將最小生成樹算法應(yīng)用于圖像分割問題，其能夠獲取圖像的全局特征，分割效果好，算法結(jié)構(gòu)簡單，計算速度快。

現(xiàn)有技術(shù)中對圖像的分隔存在誤分割率高的缺陷。

發(fā)明內(nèi)容

本發(fā)明的目的在于，針對上述問題，提出一種結(jié)合Ostu閾值法的最小生成樹分割方法、系統(tǒng)及裝置，以實(shí)現(xiàn)減少誤分割率高的優(yōu)點(diǎn)。

為實(shí)現(xiàn)上述目的，本發(fā)明技術(shù)方案一方面，提供了一種結(jié)合Ostu閾值法的最小生成樹分割方法，包括:

將圖像的RGB顏色空間轉(zhuǎn)化為HSV顏色空間；

分別計算HSV顏色空間中H，S，V三個顏色通道的Ostu閾值，然后進(jìn)行加權(quán)，得出最終的Ostu閾值；

將所述圖像映射為圖論中的圖，構(gòu)造最小生成樹；

對所述最小生成樹進(jìn)行合并，從而得出分割的圖像。

優(yōu)選的，所述將所述圖像映射為圖論中的圖，構(gòu)造最小生成樹中：

使用Kruskal算法構(gòu)造最小生成樹。

優(yōu)選的，所述將所述圖像映射為圖論中的圖，構(gòu)造最小生成樹中：

使用加權(quán)的歐幾里得距離作為Kruskal算法的權(quán)重，來構(gòu)造最小生成樹。

優(yōu)選的，所述對所述最小生成樹進(jìn)行合并，從而得出分割的圖像的合并條件為：

不滿足所述最終的Ostu閾值。

本發(fā)明技術(shù)方案還公開一種結(jié)合Ostu閾值法的最小生成樹分割系統(tǒng)，包括，

轉(zhuǎn)換模塊：將圖像的RGB顏色空間轉(zhuǎn)化為HSV顏色空間；

計算模塊：分別計算HSV顏色空間中H，S，V三個顏色通道的Ostu閾值，然后進(jìn)行加權(quán)，得出最終的Ostu閾值；

構(gòu)造模塊：將所述圖像映射為圖論中的圖，構(gòu)造最小生成樹；

合并模塊：對所述最小生成樹進(jìn)行合并，從而得出分割的圖像。

優(yōu)選的，所述構(gòu)造模塊中：

使用Kruskal算法構(gòu)造最小生成樹。

優(yōu)選的，所述構(gòu)造模塊中：

使用加權(quán)的歐幾里得距離作為Kruskal算法的權(quán)重，來構(gòu)造最小生成樹。