[發明專利]一種基于LBP和鏈碼技術的圖像分割方法

在審

• 申請號: 201910191996.1
• 申請日: 2019-03-14
• 公開（公告）號: CN110021024A
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 謝巍;劉希;張浪文
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開了一種基于LBP算子和鏈碼技術的圖像分割方法，包括以下步驟：步驟1、對圖像進行預處理，得到含有紋理特征的圖像；步驟2、通過旋轉不變的LBP算子得到LBP特征值；步驟3、選取LBP特征值最小的值作為旋轉狀態下的LBP算子，按照LBP算子對圖像進行處理獲得效果圖；步驟4、對步驟3的效果圖進行噪點濾波；步驟5、通過Freeman鏈碼確定分割區域。本發明中配合鏈碼檢測通過多個特征的提取和分類來改善邊緣的不連續性問題。

技術領域

本發明涉及圖像處理、圖像分割、特征處理等技術領域，具體為一種基于LBP和鏈碼技術的圖像分割方法。

背景技術

圖像分割(image segmentation)技術是計算機視覺領域的各個重要的研究方向，是圖像語義理解的重要一環。圖像分割是指將圖像分成若干具有相似性質的區域的過程，從數學角度來看，圖像分割是將圖像劃分成互不相交的區域的過程。近些年來隨著深度學習技術的逐步深入，圖像分割技術有了突飛猛進的發展，該技術相關的場景物體分割、人體前、背景分割、人臉人體Parsing、三維重建等技術已經在無人駕駛、增強現實、安防監控等行業都得到廣泛的應用。

圖像分割是圖像處理領域中的關鍵問題之一，是中層視覺中的最基本問題，也是國際學術界公認的將會長期存在的最困難的問題之一，盡管它一直受到科研人員的重視，雖然研究人員已經提出了大量的分割方法，但是它還是發展很慢，被認為是圖像處理學科的一個瓶頸。圖像分割不止是一個圖像特征提取問題，還涉及到各種圖像特征的組織結構，分割的難點在于實際應用中圖像內容復雜多變，無法用通用的模型來描述。

所謂圖像分割是指根據灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個互不相交的區域，使得這些特征在同一區域內，表現出一致性或相似性，而在不同區域間表現出明顯的不同。簡單的講，就是在一幅圖像中，把目標從背景中分離出來，以便于進一步處理。圖像分割是圖像處理與計算機視覺領域低層次視覺中最為基礎和重要的領域之一，它是對圖像進行視覺分析和模式識別的基本前提.同時它也是一個經典難題，到目前為止既不存在一種通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標準。

閾值法是一種傳統的圖像分割方法，因其實現簡單、計算量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術.已被應用于很多的領域，例如，在紅外技術應用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統中目標的分割；在遙感應用中，合成孔徑雷達圖像中目標的分割等；在醫學應用中，血液細胞圖像的分割，磁共振圖像的分割；在農業工程應用中，水果品質無損檢測過程中水果圖像與背景的分割。在工業生產中，機器視覺運用于產品質量檢測等等。在這些應用中，分割是對圖像進一步分析、識別的前提，分割的準確性將直接影響后續任務的有效性，其中閾值的選取是圖像閾值分割方法中的關鍵技術。

圖像分割技術的方法基于邊緣的分割依賴于邊緣檢測算子，例如：Sobel算子、Prewitt算子和Canny算子等，根據圖像在灰度、色彩、紋理等方面發生的突變，檢測出圖像邊緣。但是通過邊緣檢測得到的圖像結果并不能用作分割結果，必須按一定策略如邊緣松弛法或邊緣跟蹤等連接成輪廓，從而構成分割區域。并且在上述算子中除了Canny算子以外，其他的算子都對噪聲比較敏感，進行邊緣檢測前需要大量的預處理工作，所以在基于邊緣分割方面，主要的研究熱點在于對微分算子的改進，集中于以下兩個方面：1、邊緣檢測對噪聲敏感，因此邊緣檢測算法的研究一方面在于提高邊緣算子的抗噪性；2、邊緣檢測算法檢測到的邊緣連續性不好，因此研究如何檢測出更加吻合的真實邊緣也是另一個重要的方面。

近年來，學者開始將研究轉向多尺度，多方向，多特征融合的邊緣檢測算法，對圖像的結構邊緣進行優化檢測。配合局部二值模式的鏈碼檢測正是這一研究方向下的實踐。本方法通過多個特征的提取和分類來改善邊緣的不連續性問題，通過多尺度的局部二值模式考慮圖像的全局信息，強調邊緣的一致性和連續性。而且LBP的理論基礎簡單，比起上述邊緣檢測算法來說復雜度低，運算量小，大大加快圖像分割的速度從而提高效率。

發明內容