[發(fā)明專利]基于顯著性與Grabcut的水下海參圖像分割方法

在審

• 申請?zhí)枺?/td>: 201911096133.2
• 申請日: 2019-11-11
• 公開（公告）號: CN110853070A
• 公開（公告）日: 2020-02-28
• 發(fā)明（設(shè)計）人: 趙猛;胡易;鄒立;許傳諾;程學(xué)珍;劉小峰
• 申請（專利權(quán)）人: 山東科技大學(xué)
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T5/00
• 代理公司: 天津知遠(yuǎn)君正專利代理事務(wù)所(特殊普通合伙) 12236
• 代理人: 何君

1.一種基于顯著性與Grabcut的水下海參圖像分割方法，其特征在于，包括以下步驟：

步驟一：獲取圖像，利用Retinex算法對采集到的圖像去霧，增加圖像對比度；

步驟二：利用SLIC算法生成超像素圖，提高目標(biāo)分割的精度；

步驟三：利用流形排序顯著性算法對超像素圖做目標(biāo)檢測；

步驟四：利用GrabCut算法與顯著性圖像結(jié)合實現(xiàn)對海參目標(biāo)的免交互式分割。

2.根據(jù)權(quán)利要求1所述的基于顯著性與Grabcut的水下海參圖像分割方法，其特征在于，所述步驟一具體為：

用源圖像S表示人眼看到的圖像，環(huán)境入射光照分量用函數(shù)L表示，物體的反射分量用R表示，三者關(guān)系如公式(1)所示；通過源圖像S來計算圖像本身含有的反射分量R；利用高斯模糊濾波器F與S卷積運算求得環(huán)境入射光照分量L，利用對數(shù)運算得到R，公式(1)-(4)如下：

S(x，y)＝L(x，y)×R(x，y) (1)

L＝F*S (3)

log(R)＝log(S)-log(L) (4)

3.根據(jù)權(quán)利要求1所述的基于顯著性與Grabcut的水下海參圖像分割方法，其特征在于，所述步驟二具體為：

將原彩色圖像映射CIELAB顏色空間與XY坐標(biāo)下的特征向量；然后構(gòu)造距離度量標(biāo)準(zhǔn)，在特征向量空間圖像像素局部聚類生成超像素，SLIC算法能生成區(qū)域內(nèi)的超像素圖，超像素可映射為網(wǎng)絡(luò)圖中的節(jié)點，進(jìn)而構(gòu)建成精簡的網(wǎng)絡(luò)圖；

定義超像素總數(shù)為k，對于有N個像素的圖像，在一個規(guī)則的像素間隔S上采樣k個初始聚類中心c_i＝[l_i，a_i，b_i，x_i，y_i]^T，i∈[1，k]，其中每個超像素寬度S＝(N/K)^1/2，在CIELAB顏色空間中，超像素的相似度度量方法為：

式中，d_c表示第i個聚類中心與第j個像素點的顏色距離；d_s表示第i個聚類中心與第j個像素點的空間距離；參數(shù)m用于調(diào)節(jié)顏色相似性與空間距離間關(guān)系，當(dāng)m增加時，空間距離影響變大，超像素變緊湊；反之，區(qū)域內(nèi)相似顏色的像素更易聚集；d表示超像素圖像。

4.根據(jù)權(quán)利要求3所述的基于顯著性與Grabcut的水下海參圖像分割方法，其特征在于，所述SLIC算法具體流程如下：

1)初始化聚類中心點c_i＝[l_I，a_I，b_I，x_I，y_i]^T，根據(jù)設(shè)定的超像素數(shù)k，在圖像中均勻分配種子；

2)將聚類中心點移動到n*n鄰域中的最低梯度位置；

3)迭代①～③步，直到殘差e小于閾值；

①對于每個種子點c_i，在2S*2S鄰域內(nèi)的像素點分配標(biāo)簽，每個像素被多個種子點搜索，匹配相似度度量標(biāo)準(zhǔn)為公式(1)，度量最小值對應(yīng)該像素的聚類中心；

②計算新的聚類中心點；

③計算新的聚類中心位置與以前的中心位置之間的殘差e；

4)增強連通性。