一種基于三值化圖像聚類的快速多目標分割方法
【專利摘要】一種基于三值化圖像聚類的快速多目標分割方法，涉及圖像處理領域的分割方法。本發(fā)明是要解決現有的分割算法無法有效解決相互靠近的多目標分割的技術問題。本發(fā)明的分割方法為：一、計算彩色圖像的梯度；二、結合梯度信息進行閾值處理得到三值化圖像；三、在三值化圖像中進行基于形態(tài)學的聚類；四、結合聚類結果圖像進行目標區(qū)域修復及目標分割。本發(fā)明通過在對彩色圖像進行三值化的時候，創(chuàng)新性地結合了圖像中的輪廓信息和色彩信息，將圖像映射為“前景、輪廓、背景”三個值，然后采用基于形態(tài)學的搜索方法完成聚類，進而實現目標圖像的快速分割。本發(fā)明應用于實時性要求比較高的彩色多目標檢測或者跟蹤中的分割處理。
【專利說明】一種基于三值化圖像聚類的快速多目標分割方法
【技術領域】
[0001]本發(fā)明涉及圖像處理領域的分割方法。
【背景技術】
[0002]圖像分割是目標檢測中的重要步驟之一，正確地將多目標分割成一個個單目標是有效識別目標的前提和保障。圖像分割方法可分為閾值分割、聚類分割、區(qū)域增長、分裂與合并、區(qū)域競爭以及神經網絡等算法。其中閾值分割具有較好的實時性，比較適合于多目標分割。在較為理想的情況下，采用閾值分割的方法可以取得較好的效果。但是如果在多個待識別的物體靠得比較近或者出現了相互遮擋的情況，有實驗表明這種方法的分割效果并不好。因此，對于傳統(tǒng)的閾值分割算法，還需要不斷改進。
[0003]聚類分割算法相比閾值分割算法具有更好的分割效果，但是其耗時久、實時性差，聚類分割算法中像素點間距離的定義和聚類過程中的搜索策略都會直接影響到聚類分割算法的效率。動態(tài)聚類算法如IS0DATA算法需要進行反復的迭代才能夠完成最終的圖像分害I]，而分級聚類算法的每次聚類過程都需要在所有樣本之間搜索最相近的兩個類別，可見均是相當耗時的算法。因此，也需要對傳統(tǒng)的聚類分割算法進行改良，才能夠滿足實時性的要求。
[0004]將閾值分割和聚類分割結合在一起，可使分割算法具有好的分割效果同時還具有較快的分割速度。首先可以通過閾值判斷對圖像進行二值化處理，然后采用聚類算法實現圖像的聚類分割，但是因為二值化損失了過多信息，使得當多目標相互靠近而產生遮擋時無法有效地相互區(qū)分并分割開來。有研究者提出了三值化來表示灰度圖像的方法，這種方法將常見的256個灰度等級(或更高等級灰度)的圖像映射為3個灰度等級:黑、灰、白，從而可以在獲得實時性的同時，保留相比于二值化圖像更多的信息，這種圖像處理方法在車牌號識別的應用上取得了很好的效果。但是該方法還是無法有效解決相互靠近的多目標分割問題。本發(fā)明在此思路上，從圖像的三值化方法以及聚類分割算法的搜索策略上做出相應的改進，提出一種具有實時性的多目標分割方法，并能更好地處理相互靠近的多目標分害I]問題。

【發(fā)明內容】

[0005]本發(fā)明是要解決現有的分割算法無法有效解決相互靠近的多目標分割的技術問題，從而提供了一種基于三值化圖像聚類的快速多目標分割方法。
[0006]一種基于三值化圖像聚類的快速多目標分割方法是按以下步驟實現:
[0007]一、計算彩色圖像的梯度
[0008]( I)通過攝像頭對目標攝像采樣得到原始的r、g、b三通道圖像A，然后對圖像A縮小后得到彩色圖像B，彩色圖像B的大小wXh，w為圖像寬度上的像素點個數，h為圖像高度上的像素個數；
[0009](2)計算步驟(I)中彩色圖像B的r、g、b三通道圖像上的方向梯度；[0010](3)結合步驟(2)中彩色圖像B的r、g、b三通道圖像上的方向梯度計算彩色圖像B兩個軸向上的方向梯度；
[0011](4)結合步驟(3)中兩個軸向上的方向梯度描述彩色圖像B的方向梯度強度圖像M ；
[0012](5)計算步驟(I)中彩色圖像B的飽和度，得到飽和度圖像Z ；
[0013]二、結合步驟一中(4)方向梯度強度圖像M和(5)飽和度圖像Z的信息對彩色圖像B進行閾值處理，將彩色圖像逐個像素映射為“前景、輪廓、背景”三個值，通過下式，得到三值化圖像C ;
[0014]
【權利要求】
1.一種基于三值化圖像聚類的快速多目標分割方法，其特征在于基于三值化圖像聚類的快速多目標分割方法是按以下步驟實現: 一、計算彩色圖像的梯度 (1)通過攝像頭對目標攝像采樣得到原始的r、g、b三通道圖像A，然后對圖像A縮小后得到彩色圖像B，彩色圖像B的大小wXh，w為圖像寬度上的像素點個數，h為圖像高度上的像素個數； (2)計算步驟(1)中彩色圖像B的r、g、b三通道圖像上的方向梯度； (3)結合步驟(2)中彩色圖像B的r、g、b三通道圖像上的方向梯度計算彩色圖像B兩個軸向上的方向梯度； (4)結合步驟(3)中兩個軸向上的方向梯度描述彩色圖像B的方向梯度強度圖像M; (5)計算步驟(1)中彩色圖像B的飽和度，得到飽和度圖像Z; 二、結合步驟一中(4)方向梯度強度圖像M和(5)飽和度圖像Z的信息對彩色圖像B進行閾值處理，將彩色圖像逐個像素映射為“前景、輪廓、背景”三個值，通過下式，得到三值化 圖像
2.根據權利要求1所述的一種基于三值化圖像聚類的快速多目標分割方法，其特征在于步驟一(2)中計算步驟(1)圖像B的r、g、b三通道圖像上的方向梯度是根據公式:
3.根據權利要求1所述的一種基于三值化圖像聚類的快速多目標分割方法，其特征在于步驟一(3)中結合步驟(2)中圖像B的r、g、b三通道圖像上的方向梯度計算圖像B兩個軸向上的方向梯度是根據公式:
4.根據權利要求1所述的一種基于三值化圖像聚類的快速多目標分割方法，其特征在于步驟一(4)中結合步驟(3)中兩個軸向上的方向梯度描述圖像B的方向梯度強度圖像M是根據公式:
5.根據權利要求1所述的一種基于三值化圖像聚類的快速多目標分割方法，其特征在于步驟一(5)中計算步驟(1)中圖像B的飽和度，得到飽和度圖像Z是根據公式:
6.根據權利要求1所述的一種基于三值化圖像聚類的快速多目標分割方法，其特征在于步驟三得到聚類結果圖像E是在三值化圖像的搜索過程中使用了 “3乘3”的搜索方塊，具體過程如下: (O為每個“前景”像素點建立一個是否被分類的標志位屬性:“未被聚類”和“已被聚類”，并全部初始化為“未被分類”;用與圖像C大小相等的二值化圖像D來記錄對應點的屬性值，為每個“前景”點建立一個無符號整形的類別標志屬性，初始時全部初始為“O”，并用與圖像C等大小的圖像E來記錄該屬性值；建立一個空的堆棧S，設置搜索的起始位置P。為圖片C的左上角的第一個像素點，初始化類別標志號i為“O” ； (2)類別標志號i=i+l;在圖像C上繼續(xù)Ptl的位置按行順序往后查找一個“未被聚類”的“前景”像素點P ;如果已經搜索完了所有的點則跳到步驟(6)，否則記錄Ptl=P為下一次搜索的起始位置，然后進入步驟(3)； (3)將查找到的那個“前景”像素點P壓入到堆棧S中； (4)如果堆棧S是空的則返回第(2)步，否則從堆棧S中取棧頂元素q，在圖像E中將其的類別標志位屬性設置為i，并在圖像D中標記q為“已被分類”； (5)查詢像素點q上、下、左、右、左上、左下、右上、右下的這八個鄰域點，對于上點、下點、左點、右點，如果是“未被分類”且是“前景”點，則壓入到堆棧S中；完成鄰域點的壓棧工作后跳回至步驟(4); (6)得到初步聚類結果圖像，類標志位屬性相同的像素點就屬于同一聚類；計算每個聚類的像素點的個數，將像素點總數過小聚類刪除，即將其中的每一個像素點的類別標志屬性設置為“O”，得到聚類結果圖像E。
7.根據權利要求1所述的一種基于三值化圖像聚類的快速多目標分割方法，其特征在于步驟四對聚類結果圖像E進行目標區(qū)域修復及目標分割是按以下步驟進行: (1)進行目標區(qū)域修復:在圖像E中對每個聚類k，搜索每一行的屬于聚類k的最左邊的像素點 < 下標L表示最左邊，搜索這行屬于聚類k的最右邊的像素盧ekR，下標R代表最右邊，然后將這行中存在與和eg中間的點，也歸入到聚類k中；然后對每一列、每一條45°斜線、每一條-45°斜線都執(zhí)行類似的操作，最終得到修復好的目標區(qū)域圖像F ;(2)進行目標邊緣檢測:在圖像F中對每個聚類k，搜索每一行最左端、最右端，每一列最上端、最下端的點，這些點的集合即為聚類k的輪廓，最后得到只包含輪廓信息的目標邊緣圖像G ； (3)按照目標邊緣圖像G所描繪的區(qū)域，在圖像B中提取各個目標的彩色圖像區(qū)域得到目標的分割效果圖H，從而實現 最后的多目標分割。
【文檔編號】G06T7/00GK103473785SQ201310455290
【公開日】2013年12月25日 申請日期:2013年9月29日 優(yōu)先權日:2013年9月29日
【發(fā)明者】張淼, 賴鎮(zhèn)洲, 王佳偉, 沈毅, 王艷 申請人:哈爾濱工業(yè)大學