[发明专利]一种基于光照分类的自适应图像分割方法

说明书

技术领域

本发明涉及数字图像处理技术，具体涉及光照变化条件下的自适应图像分割技术。

背景技术

图像预处理是机器视觉技术中非常关键的一个环节，后续处理算法的准确性和实用性都是建立在对采集到的图像进行良好预处理基础之上的。光照是影响图像预处理分割效果的主要因素之一，光照环境的改变使得即使面对相同的场景在不同时刻生成的图像也是不同的，甚至是大相径庭的。而光照引起的变化在现实情况中总是存在的。同一副图像在不同光照条件下，分割算法的效果往往会发生很大的偏差，这严重影响了后续的分析和研究。目前，解决光照问题主要有如下方法：(1)采用直方图均衡、对数变换等方法校正光照，但这些方法涉及的运算复杂，计算量较大，不适合实时系统；(2)选择合适的颜色特征空间，减弱光照影响，该法只能针对特定场景，一旦光照条件发生改变，效果较差。本发明着眼于区分图像分割问题中的光照情况，将光照类型分为顺光和背光两种。顺光即在室内拍摄时光线没有遮挡，背光即在拍摄时光线被遮挡。通过计算最小欧式距离先判断光照条件，再选择合适的分割算法，增强分割算法的抗干扰性，提高算法的通用性和准确性。

发明内容

本发明的目的是提供一种适应光照变化的图像分割方法，该方法计算简单，智能判断光照条件的自适应图像分割算法。

本发明算法采用的技术方案是：一种基于光照分类的自适应图像分割方法，其特征在于包括以下步骤：

1）建立不同光照类型颜色特征分量标准库；

    采集背光和顺光条件下的目标图像各一组，分别提取两组图像的颜色特征分量，计算每组所述颜色特征分量平均值标准值，建立背光和顺光的颜色特征分量的标准库；所述颜色特征分量为R、G、B、H、S和V，其中R、G和B分别代表颜色空间红色、绿色和蓝色分量， H、S和V分别表示颜色的色度、饱和度和亮度特征；

2）计算待识别图像的颜色特征分量，通过最小欧氏距离法与所述标准库中的标准值进行比较，判断是顺光或背光，如果顺光，进入步骤3-1),否则进入步骤3-2）；

3-1）选取(S+V)/2作为特征分量消除光斑和阴影的影响；

3-2）采用色差法2R-G-B消除阴影干扰；

4）采用基于二维直方图的最大类间方差法实现图像分割，其具体步骤为：

4-1) 取分割阈值                                                ，二维直方图将被分割成四块，处于对角线上的区域即对应于目标和背景，远离对角线的区域对应于边缘和噪声； 

4-2)目标和背景出现的概率、分别为：

其中：为直方图上任意一点的值，L为二维直方图正方形区域的边长；

4-3)计算目标和背景的灰度均值矢量，分别为：

忽略远离对角线的区域，则图像总的灰度均值为：

 ；

4-4)定义目标和背景间离散测度矩阵：  

矩阵的迹为：

则当所述矩阵的迹取最大值时，得到最佳分割阈值。

本发明的有益效果是：采取先判断光照条件后选择分割算法的方式，在判断光照条件后，对待识别图像有针对性的进行干扰去除，使算法更具针对性，提高了算法的有效性，同时不需要校正光照，大大减少了计算代价，在此基础上再进行图像分割能有效的提高分割效果。

附图说明

图1是本发明图像分割方法的流程图。

图2是顺光和背光的判断示意图。

图3是二维直方图最大类间方差法示意图

图4是背光情况下处理结果。

图5是顺光情况下处理结果。

具体实施方式

下面以大豆图像分割为例，结合附图对具体实施方式作详细说明。本发明算法的总体流程图如图1所示。具体实施步骤如下。

图像颜色特征提取