一种基于信息融合的图像分割方法

第 23卷 第 2期 2008年 4月 山 东 建 筑 大 学 学 报 JOURNAL OF SHANDONG JIANZHU UN1VERSnY 文章编号：1673—7644(2008)02—0154—05 一 种基于信息融合的图像分割 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 曾庆贵，宋世军，张佳福，刘胜利 (山东建筑大学 机电工程学院，山东 济南 250101) 摘要：轮廓提取是计算机视觉的基础步骤之一，是图像分析的基础，国内外在此方面都有一定研究，但轮廓的提取 由于受到诸如光源、目标形状、成像原理等原因的影响，特别是光源的影响，算法的通用性一般很差。针对 以往算 法的局限性，本文从色度、纹理人手并结合 数学 数学高考答题卡模板高考数学答题卡模板三年级数学混合运算测试卷数学作业设计案例新人教版八年级上数学教学计划 形态学，提出了一种基于信息融合的图像分割方法。经实验 证明 住所证明下载场所使用证明下载诊断证明下载住所证明下载爱问住所证明下载爱问 ， 在光源变化不大的情况下，该法对不同材质的轮廓提取有较好的通用性。 关键词：信息融合；色度 ；纹理；图像分割 中图分类号：TP391．4 文献 标识 采样口标识规范化 下载危险废物标识 下载医疗器械外包装标识图下载科目一标识图大全免费下载产品包装标识下载 码：A The testing and discussion of an image segmenting method based on information fusion ZENG Qing—gui，SONG Shi—jun，ZHANG Jia—fu，et a1． (School of Mechanical＆Electronic Engineering，Shandong Jianzhu University，Jinan 250101，China) Abstract：Image segmentation is one of the basic steps in machine vision and the base of image analysis．Many studies have been done in this field in China and abroad．However，due to the influences of light source，tar- get shape，image theory an d SO on，especially the former factor，the segm enting method has a poor compatibili— ty．Comparing with the limitation of the previous image segm enting methods，this paper，taking hue and tex— ture as well as the method of ma thema tical morphology into account，proposes a segmenting method based on information fusion．Experiments show that in the condition of no obvious change of light source，the segmenting method has a better compatibility with different homogeneous objects． Key words：information fusion；hue；texture；image segm entation 0 引言 轮廓提取，是图像处理、计算机视觉等领域中基 础步骤之一，为辨识和分析目标，需要把它们分离提 取出来，才有可能对 目标进行进一步利用。由于 目 标形状的差异及不同的成像原理，轮廓提取问题是 一 个经典难题，至今还不存在一个通用的解决方法。 对特定材质(均质)的轮廓提取技术，国内外已有不 少研究成果。文献[1]提出了一种用孔隙纹理对树 木识别的方法，对于具有浓密树叶的树木有较好的 识别结果，但是由于采用的是空隙纹理，并不适合别 的材质的分割 ；文献[2]提出了一种外形模式匹配、 肤色匹配和姿态匹配融合的识别运动目标中人体运 动目标的算法，据试验效果良好，但是此法并不适合 静态材质选取；在苹果和种子的分类方面；文献[3] 提出了基于参考图像的缺陷分割方法并选用颜色特 收稿日期：2007—12—10 作者简介：曾庆贵(1980一)，男，山东潍坊人，山东建筑大学机电工程学院在读硕士，主要研究方向：机器视觉，图像处理 维普资讯 http://www.cqvip.com 塑 萱 贵等：一种基于信息融合的图像分割方法 155 征作为苹果的分类特征，此法对背景的要求较高，背 景不能变化；文献[4l利用灰度阈值法对作物的叶片 进行分割，从颜色和纹理两方面分析叶片，从而得出 农作物的长势信息，但是此法要求光源强度一定，且 背景一定；文献[5]采用自定义阈值分割与基于迭代 方式的阈值选取相结合的图像分割方法进行试验分 析，选取的阈值适于种子动态检测的条件，据称能对 种子图像做出较快、较高精度的分割，但是此法中图 像获取有较高的要求，需要专门的光照系统。在道 路的识别方面；文献[6l把田问路径的灰度模型同小 波多分辨分析算法有机结合，提出了田问路径的一 种较好的分割方法；文献[7l根据路宽、形状、面积等 综合信息，用假设检验的策略得出了一种较稳定的 分割道路的方法，但是文献[6]、[7]用的都是灰度信 息，对光照要求较高。在木材的识别方面，文献[8] 用色度特征参量对东北的四种木材进行分类 ，据称 达到了较好的效果，但是此法要求不能有色度相近 的背景。还有许多其他材质的识别方法，如火灾、织 物、人脸等 引。上述文献中，提到的图像分割方 法，大多只针对某一种材质，对背景条件，对光源系 统要求很高。但是在很多应用场合下，如航空、交通 运输、消防、小区安全等场合，要求识别算法稍加修 改就可以用在不同的工作场所，提取需要的目标，并 且对一定场所下背景的变化有鲁棒性。本文提出了 一 种在光源变化不大时，对均质物体具有一定普适 性的分割方法。给定某一均质物体的样本图像后， 此算法自动提取物体图像的纹理特征及色度均值， 用纹理进行目标图像分割得到分割图像；用色度均 值得到标识图像，两图像相与，消除全部或大部分误 判，最后结合数学形态法，得到分割目标。经对 45 钢、灰铸铁、布料、泡沫、木凳以及植物根茎的实验证 明，此算法在光源变化不大时，对均质物体的分割具 有一定的普适性。 1 基于色度的标识法 本文所研究对像为均质材质，在光源变化不大 情况下，均质材质的色度变化范围不大。这是因为 场景或物体的颜色是由照射光源的光谱成分、光线 在物体上反射和吸收的情况决定的 ]。而色度是 由物体反射光线中占优势的波长来决定的，是颜色 中的本质部分。理论上讲，在光源一定的条件下，均 质材质色度值应该固定 ，但实际情况下，都有一定的 浮动。见图 1～3所示 ，其中，图 la是原图，图 1b是 图 la转化为 HSV格式后的H分量。这是材质表面 的粗糙度决定的。不同粗糙度的表面，反射情况不 同，造成了色度的浮动变化。为了减弱粗糙度对色 度的影响，本文提出了基于色度的标识方法。具体 做法是：在光源变化不大的条件下，测出某种材质 (比如 45钢)的色度变化范围，以此色度范围为基 础，取图像中NxⅣ(N=2，3，4，⋯，20)色块的均质 与此范围比较，若色块的均值不在此范围内，将该部 分的像素值赋值为0，否则不变。最后经实验得出 一 般材质4 x 4色块基本上满足要求，在此基础上可 以再适当调整色度的变化范围确定合适的阈值。本 文以室内光线 45钢为例说明此标识法。 a b 图 1 有背景 45钢图片及 H分量 (1)将所处理图片转化为 HSV格式，只选取 H 分量图像处理，求目标材质(45钢)的色度直方图。 图3为标记处 80 x 80大小的 45钢的色度直方图， 由直方图可以看出，45钢在室内的光源环境下，色 度变化范围很小，约在 0．58～0．64之间。 图2 红框区色度三纬显示 图 3 红框区色度直方图 (2)将 H分量图像量化为 Nx N(N=2，3，4， ⋯ ，20)的子图像，计算各子图像的色度均值，并将该 维普资讯 http://www.cqvip.com 山东 建 筑 大 学 学 报 2OO8正 156 均值与步骤 1所求得色度范围比较，若色度均值超 出此范围，将该子图像所有像素值赋值为0，若色度 均值在此范围内，保持原子图像不变。经实验得知， 4 X 4的量化 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 基本符合要求，能将 45钢部分较 完整的保留下来(图4)。 图4 标识后色度图像 2 纹理特征的提取与匹配 2．1 纹理图像的增强 本文为了降低光照的影响，同时兼顾纹理增强， 采用了自差分法对图像增强。具体方法为：先将所 处理图像转化为灰度图像，再对图像进行自差分操 作，然后将图像二值化。行纹理增强的过程中，本文 错开 1～5个像素对图像进行 自差分，得到差分图 像，然后将图像二值化。对图像二值化时，用 Otsu 法获得阈值，对获取的阈值加权系数 1．5，取得了比 较好的对比度效果见图5。 2．2 纹理特征的获取 本文用投影法获取均质材质的纹理特征，在纹 理增强(图5)的基础上人工辅助选择具有重复性特 征的 N X N(N的值视具体情况而定)子图像作为模 板，分别按行统计 1的个数，并存人 N X 1的向量 (R1)，并将 R1归一化，统计 R1元素之和，赋给 s 1；分别按列统计 1的个数，并存入一个 1N的向 量(R2)，并将 R2归一化，统计 R2元素之和，赋给 sum2，得到水平和垂直投影及其元素总和。将获得 的水平投影和垂直投影作为匹配的纹理特征见图 6。 2．3 纹理特征的匹配 将图像增强得到的二值化图像量化为模板大小 的子图像，计算子图像块的水平和垂直投影，分别比 较该子图像和模板图像水平和垂直投影的相似程 图5 自差分二值化后图像 图6 纹西 顿及水平和垂直投影 度，当相似程度同时小于某一阈值时，将该子图像赋 值为0；大于等于该阈值保持原子图像不变。在对 45钢图片的处理中，经试验采用了 16 X 16的模板， 将图5依次取 16X 16的子图像块 进行匹配，得到了 图7的效果。 本文纹理图像与子图像的相似度判断，设 置， 分别为模板图像和某一子图像的水平投影；设 置， 分别为模板图像和该子图像的垂直投影。则 置， 的相似度．s(Xi， )为 16 16 ．s(置， )=∑min(X。， )／∑(Xi) (1) i=1 i=1 同理 16 l6 s(xj， )=∑min(Xj， )／∑( ) (2) i：1 i：I 由公式(1)，(2)得知，．s(Xi，ri)和 ．s(置， )越大说 明相似程度越大。本文在实验中采取 ．s(Xi， )≥ 0．75和 ．s( ， )≥0．75同时成立时认为匹配成 功，图7为用纹理图像对 45钢匹配的结果。 3 色度与纹理匹配与数学形态法的信 息融合 经大量实验知，用色度标识法可以有效的将色 度与目标色度相差较大的物体屏蔽掉，但对于色度 相差较小的物体，效果较差，误判较严重。如图4， 用纹理匹配的方法可以有效的将表面纹理差别较大 的物体屏蔽掉，但是对于纹理相似的物体表面，会出 现误判(图7)。 因此无论是色度，还是纹理，如果作为独立的材 质分割方法会存在一定的局限性。为克服纹理和色 度自身的缺陷，本文将色度和纹理相结合并应用数 学形态法作为辅助得出了一种材质轮廓的分割方法 (图 8～10)。 维普资讯 http://www.cqvip.com 第2期 曾庆贵等：一种基于信息融合的图像分割方法 157 图7 纹理匹配后图像 图8 色度、纹理匹配后求与图像 图9 数学形态填充图像 图l0去噪后最终图像 具体做法如下(45钢为例)。 算法描述： (1)输入一幅彩色图像 ，一 rg6，(图 1a)，并将图 像转化为灰度图像 ，一gray，进行自差分去噪，突出 纹理边缘，得到差分图像 I1； I1=， 一 gray(1：(FOg)一C)，1：(col—C))一 ， 一 gray((C+1)：FOg)，(C+1)：co1) 对图像 ，1二值化时，用 otsu法获得阈值 ，对 获取的阈值加权系数 1．5，得到二值化图 ，2。 ，2( )= 1,if( 12(i,j (2)人工辅助选取一部分纹理区域 人工辅助选取 ，2中一部分纹理图像，L=g(k， Z)，16h—max) 【， 一 h = ， 一 ，if(h— sub < h— infix且 h— sub > h — n面) ， 一 h 为利用色度阈值对 ，一h分割后的图像。 分割效果见图5。 (7)将利用色度分割的图像 ，一h 和利用纹理 分割的图像 进行与运算，得到分割图像 ．，，见图 8。 J=12一 l—h (8)对图像 ．，进行数学形态学运算，通过面积 阈值对分割的图像进行过滤，得到最终的分割效果 见图 1O。 4 算法验证 为验证算法在光源变化不大时的普适性，本文分别 对室内环境下灰铸铁、布料、泡沫、木凳等的物体轮 维普资讯 http://www.cqvip.com 2008正 158 山 东 建 廓进行了分割实验，如图 11～l8所示。试验结果说 明，在光源变化不大时，只要对标识的色度范围、色 块大小、自差分、模板、相似度、数学形态学滤波等的 相应阈值作适当调整，几乎都可以得到较好的效果。 图 11 布料 图 12 布料分割结果 图 13 纸盒 图 14 纸盒分割结果 图 15 泡沫 图 16 泡沫分割结果 图 17 木凳 图 18 木凳分割结果 5 结束语 本文在大量实验基础上，提出了一种色度 、纹 理、数学形态学相结合的轮廓分割方法，其中涉及到 了色块标识、自差分、投影法、相似度的确定原则、特 征块大小的确定、数学形态学填充去噪等知识。经 实验证明，该算法在光源变化不大时，对不同材质 (均质)的识别具有较好的普适性。与此同时，本算 法存在一些缺陷，诸如很难得到轮廓的精确边界、局 部出现填充误差等现象，这将是作者下一步要解决 的问题。 参考文献： [1] 宋世军，石来德，乔彩风，等．自然景物中树的远景特征识别研 究[J] 中国工程机械学报，2007，5(2)：229—234． [2] 宋世军，石来德，乔彩风，等．运动人体图像分割算法研究[J]． 中国工程机械学报，2007，5(1)：16—21． [3] 李庆中．苹果自动分级中计算机视觉信息快速获取与处理技 术的研究[D]．北京：中国农业大学工学院，2000． [4] 张彦娥．基于计算机视觉温室作物长势诊断机理与方法研究 [D]．北京：中国农业大学信息与电器工程学院，2005． [5] 李伟．基于计算机视觉的播种精度检测技术研究[D]．北京： 中国农业大学工学院，2004． [6] 张方明．田问路径识别算法和基于立体视觉的车辆自动导航方 法研究[D]．浙江：浙江大学生物系统工程与食品科学学院， 2006． [7] 胡明吴，杨文杰，任明武，等．一种基于视觉的道路检测算法 [J]．计算机工程与设计，2005，26(7)：1703—1705． [8] 王克奇 王业勤 白雪冰，等．板材图像识别中颜色特征参数的 提取[J]．东北林业大学学报，2006，34(3)：104—106． [9] 胡觉亮．基于贝叶斯方法的织物分类研究[J]．纺织学报，2004， 25(1)：48—50． [1O] 张书真，宋海龙，杨卫平．基于肤色模型和特征定位的人脸检测 算法[J]．吉首大学学报(自然科学版)，2o06，27(6)：69—72． [11] 史海山，吕厚余，仲元红，等．基于遗传神经网络的火灾图像识 别及应用[J]．计算机科学，2006，33(11)：233—236． [12] 乔彩风，宋世军，何忠，等．一种复杂场景下位置改变运动目标 的检测方法[J]．山东建筑大学学报，2007，22(6)：558—560． [13] 贾云得．机器视觉[M]．北京：科学出版社，2000． 维普资讯 http://www.cqvip.com