一种改进分割方法

1.本发明涉及一种基于经典算法grabcut的改进分割方法，属于计算机视觉中图像分割技术领域。


背景技术：

2.图像分割是将图像分成若干个具有不同特征性质，并指提取图像中感兴趣目标区域的技术。该技术广泛应用于机械视觉、人脸识别、指纹识别和医学影像等领域。
3.在早期，提出了graphcut方法，用户在待分割图像背景和前景上画线，指明少量前景像素和背景像素，方法建立s-t图，利用最小割最大流对实现图像分割。graphcut方法采用灰度直方图，无法分割彩色图像。针对该问题，提出了grabcut方法，用户用矩形框标记前景位置，通过k-means将像素聚类为k类，初始化k个gmm模型，构建能量函数并利用该函数对图像进行分割。由于grabcut方法操作简单，分割精度较高而被广泛关注和应用，国内外的许多学者对该方法进行改进。
4.周良芬等采用二次分水岭对梯度图像做预处理，增强图像边缘点，再利用熵的特性优化能量分割函数，提高图像分割精度，但是增加了方法的复杂程度。董茜通过slic超像素方法对图像进行分割，利用分割的超像素图建立加权图，减少节点数，提高分割效率，但是传统slic在纹理明显处会出现不规则超像素块。白雪冰等将图像从rgb空间转化到lab空间，再利用slico方法对图像进行预处理，改善gmm模型参数，实现更优分割。孔显等使用非归一化直方图代替gmm模型，重构能量模型，改善分割效果，但是增加了用户交互操作。kun等利用多尺度分解保持图像边缘，消除区域不均匀性，将多尺度特征融入分割，提高分割精度。詹琦梁等利用mask rcnn方法对待分割图像进行初步分割，再结合slic超像素分割得到的超像素块，获得初始三元图，最后利用grabcut方法对其进行分割。
5.综上所述，近年来许多学者针对分割做出了许多努力，但是仍存在许多问题，还需要深入研究，进一步提高分割准确度。


技术实现要素：

6.本发明针对细节特征不明显、纹理复杂的图像分割效果不好，用户操作过多的问题，提出了一种结合图像增强、目标检测和改进k-means聚类的grabcut方法。该方法首先对细节特征不明显的图像进行图像增强，再采用yolov4输出待分割图像前景矩形框，将图像中像素的位置信息和由lbp算子提取的像素纹理信息融入k-means聚类中，优化gmm模型参数，完成对图像的分割。
附图说明
7.图1改进grabcut后的方法框图。
具体实施方式
8.为了使本发明更加清晰明了，下面结合具体实施方式并参照附图，更详细的描述本发明。如图1所示，本发明是一种基于经典算法grabcut的改进分割方法，包括如下几个步骤：
9.步骤一：对输入图像做预处理即数据增强，从而增强图像细节信息：
10.通过max-rgb模型得到图像初始光照分量，以3
×
3为模板，对图像进行奇异值分解，取最大奇异值作为中心点光照。再利用初始光照分量进行引导滤波，得到优化后的光照图像。
11.步骤二：训练yolov4模型，获取前景目标所在矩形框位置：
12.采用coco2017数据集，包含人、鸟、车、飞机、交通灯等90类待识别物体，实验选用人、花、鸟、飞机、树、叶六类作为训练集。采用msra10k作为测试集，利用yolov4检测前景目标，标注前景矩形框位置，减少了用户操作。
13.步骤三：改进原始grabcut方法，并对图像进行分割：
14.在grabcut原始方法中，k-means方法只对图像的颜色信息进行了聚类，原始像素特征：
15.xi＝(zr,zg,zb)
ꢀꢀꢀꢀ
(1)
16.其中zr,zg,zb表示像素点xi的rgb分量值。
17.该特征单一，容易导致图像在初始分类像素分类错误。考虑到图像整体信息，在聚类时融合图像的位置信息和纹理特征信息，优化gmm模型参数，优化后的特征：
[0018][0019]
其中zr,zg,zb表示像素点xi的rgb分量值，w，h表示图像的宽和高，z
x
,zy表示像素点xi在图像中的位置，z
lbp
表示像素点xi的lbp纹理特征值。
[0020]
使用融合图像像素纹理信息和位置信息的改进grabcut方法对图像进行分割。
[0021]
步骤三：获取原始分割图像前景，平滑边缘：
[0022]
对分割后的图像做阈值分割，获取前景图像掩膜，将掩膜图像与原始图像结合，得到原始分割图像。并对图像做边缘平滑处理，改善图像质量。
[0023]
为验证本发明所述中基于grabcut的改进分割方法的有效性，在msra10k数据集上进行实验。选取了两种方法作为对比，具体为：
[0024]
方法1：rother c,kolmogorov v,blake a,et al.“grabcut”:interactive foregr ound extraction using iterated graph cuts[j].international conference on computer g raphics and interactive techniques,2004,23(3):309-314.doi:10.1145/1015706.1015720.方法2：杨小鹏,何小海,王正勇,吴小强.基于grabcut的免交互图像分割方法[j].科学技术与工程,2018,18(26):207-212.
[0025]
本发明实验结果如表1所示。
[0026]
表1图像分割准确度对比
[0027][0028]
从表1可以看出，本发明可以有效地提高图像分割准确度，改善分割效果。


技术特征：
1.一种基于经典算法的改进分割方法，其特征在于包括以下步骤：(1)针对图像中细节特征不明显的问题，采用了基于奇异值分解和引导滤波的图像增强方法对图像进行预处理；(2)利用yolov4模型获取图像中分割前景目标位置，减少用户操作；(3)改进grabcut分割方法，并对图像进行分割，从而得到分割图像的掩膜，掩膜与原始图像结合得到原始分割图像，对图像做平滑处理，改善图像质量。2.根据权利要求1所述的方法，其特征在于步骤(3)中改进grabcut方法，对图像进行分割，其方法如下：首先，通过max-rgb模型得到图像初始光照分量，以3
×
3为模板，对图像进行奇异值分解，取最大奇异值作为中心点光照，再利用初始光照分量进行引导滤波，得到优化后的光照图像；其次，采用coco2017数据集，该数据集包含人、鸟、车、飞机、交通灯等90类待识别物体，选用人、花、鸟、飞机、树、叶六类作为训练集，采用msra10k作为测试集，利用yolov4检测前景目标，标注目标矩形框，减少了用户操作；然后，在grabcut原始方法中，k-means方法只对图像的颜色信息进行了聚类，原始像素特征：x
i
＝(z
r
,z
g
,z
b
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中z
r
,z
g
,z
b
表示像素点x
i
的rgb分量值；该特征单一，容易导致图像在初始分类像素分类错误，考虑到图像整体信息，在聚类时融合图像的位置信息和纹理特征信息，优化gmm模型参数，优化后的特征：其中w，h表示图像的宽和高，z
x
,z
y
表示像素点x
i
在图像中的位置，z
lbp
表示像素点x
i
的lbp纹理特征值；用改进后的grabcut分割方法对图像进行分割，对得到的图像做阈值分割，从而获得分割图像的掩膜，掩膜与原始图像结合，做边缘平滑处理，提高图像质量。

技术总结
本发明提出了一种基于经典算法的分割改进方法。首先使用基于奇异值分解和引导滤波的图像增强方法增强图像细节信息。然后利用已经训练好的YOLOv4模型标记图像感兴趣的前景区域，输出前景所在矩形框位置。其次，在k-means聚类中加入了图像的位置信息和纹理特征信息，优化高斯混合模型参数，改进GrabCut方法，对图像进行分割。最后，对分割图像做边缘平滑处理。在对比实验中，验证了该方法的有效性，对细节信息不丰富、纹理复杂图像分割效果更好。纹理复杂图像分割效果更好。


技术研发人员：何小海 王茜 吴晓红 王正勇 吴小强 滕奇志 熊淑华
受保护的技术使用者：四川大学
技术研发日：2021.05.17
技术公布日：2022/11/22