[发明专利]一种基于三值化图像聚类的快速多目标分割方法

说明书

技术领域

本发明涉及图像处理领域的分割方法。

背景技术

图像分割是目标检测中的重要步骤之一，正确地将多目标分割成一个个单目标是有效识别目标的前提和保障。图像分割方法可分为阈值分割、聚类分割、区域增长、分裂与合并、区域竞争以及神经网络等算法。其中阈值分割具有较好的实时性，比较适合于多目标分割。在较为理想的情况下，采用阈值分割的方法可以取得较好的效果。但是如果在多个待识别的物体靠得比较近或者出现了相互遮挡的情况，有实验表明这种方法的分割效果并不好。因此，对于传统的阈值分割算法，还需要不断改进。

聚类分割算法相比阈值分割算法具有更好的分割效果，但是其耗时久、实时性差，聚类分割算法中像素点间距离的定义和聚类过程中的搜索策略都会直接影响到聚类分割算法的效率。动态聚类算法如ISODATA算法需要进行反复的迭代才能够完成最终的图像分割，而分级聚类算法的每次聚类过程都需要在所有样本之间搜索最相近的两个类别，可见均是相当耗时的算法。因此，也需要对传统的聚类分割算法进行改良，才能够满足实时性的要求。

将阈值分割和聚类分割结合在一起，可使分割算法具有好的分割效果同时还具有较快的分割速度。首先可以通过阈值判断对图像进行二值化处理，然后采用聚类算法实现图像的聚类分割，但是因为二值化损失了过多信息，使得当多目标相互靠近而产生遮挡时无法有效地相互区分并分割开来。有研究者提出了三值化来表示灰度图像的方法，这种方法将常见的256个灰度等级（或更高等级灰度）的图像映射为3个灰度等级：黑、灰、白，从而可以在获得实时性的同时，保留相比于二值化图像更多的信息，这种图像处理方法在车牌号识别的应用上取得了很好的效果。但是该方法还是无法有效解决相互靠近的多目标分割问题。本发明在此思路上，从图像的三值化方法以及聚类分割算法的搜索策略上做出相应的改进，提出一种具有实时性的多目标分割方法，并能更好地处理相互靠近的多目标分割问题。

发明内容

本发明是要解决现有的分割算法无法有效解决相互靠近的多目标分割的技术问题，从而提供了一种基于三值化图像聚类的快速多目标分割方法。

一种基于三值化图像聚类的快速多目标分割方法是按以下步骤实现：

一、计算彩色图像的梯度

（1）通过摄像头对目标摄像采样得到原始的r、g、b三通道图像A，然后对图像A缩小后得到彩色图像B，彩色图像B的大小w×h，w为图像宽度上的像素点个数，h为图像高度上的像素个数；

（2）计算步骤（1）中彩色图像B的r、g、b三通道图像上的方向梯度；

（3）结合步骤（2）中彩色图像B的r、g、b三通道图像上的方向梯度计算彩色图像B两个轴向上的方向梯度；

（4）结合步骤（3）中两个轴向上的方向梯度描述彩色图像B的方向梯度强度图像M；

（5）计算步骤（1）中彩色图像B的饱和度，得到饱和度图像Z；

二、结合步骤一中（4）方向梯度强度图像M和（5）饱和度图像Z的信息对彩色图像B进行阈值处理，将彩色图像逐个像素映射为“前景、轮廓、背景”三个值，通过下式，得到三值化图像C；