[发明专利]基于T型结点线索的图像物体分割算法

权利要求书

1.基于T型结点线索的图像物体分割算法，其特征在于：具体包括以下步骤：

步骤1)：采集一幅常规目标场景图像；

步骤2)：对采集到的常规目标场景图像分别进行去噪平滑后得到粗糙分割图和计算获得图像中蕴含的T结点信息图两方面处理，

其中利用输入图像得到粗糙分割图表示为A，其具体步骤为：

A1、利用L0梯度最小化方法，即利用图像非零梯度个数达到保留有价值的边缘细节的目的，同时剔除细小无价值部分，方程为：

c(f)＝#{p||f_p-f_p+1|≠0}(1)

其中f为原图处理后的结果，p和p-1为图像中的相邻像素点，|f_p-f_p+1|表示相邻像素的梯度，#{}为计数符号，输出结果为满足公式(1)条件的个数，即梯度值非零的个数，式中c(f)计算结果并非梯度的变化，其结果在边缘强度变化时不受影响，该方法不改变图像的内容，仅选择性的保留细节成分，所以最终结果f与原始图像具有一致性；

A2、将A1步骤输出图像构造成无向图G＝(V,E),v_i∈V，图像像素点对应于无向图中的点，权值w(v_i,v_j)表示像素点之间的相关性权值，即无向图中的边，适度过分割粗糙分割结果可表示为：

其中C_i表示互不相交的分割子集。

其中利用原始输入图像计算获得图像中蕴含的T结点信息图表示为B，其具体步骤为：

B1、利用Harris检测算法检测出原始输入图像的潜在的T型候选点集，Harris算法将每一点的相似度抽象为：E(x,y)＝(x,y)M(x,y)^T(3)

其中，算法核心即为计算矩阵M的特征值，由此得到图像中由遮挡形成的结点候选点集；

B2、采用置信度p对结点候选点集进行筛选，可表示为：

p＝p_colorp_anglep_curve (4)

其中p_co_lo_r、p_angle、p_curve为图像结点局部领域的颜色、角度和曲率特征参数分别表示为：

$p_{color}=\frac{2{\mathrm{\λ}}_{\min }{\mathrm{\λ}}_{max}}{{\mathrm{\λ}}_{min}+{\mathrm{\λ}}_{max}}---\left(5\right)$

其中，λ为候选结点局部局部领域块{h_i|i＝1_,2,3}之间陆地移动距离

$p_{angle}=\frac{2{\mathrm{\Θ}}_{min}{\mathrm{\Θ}}_{max}}{{\mathrm{\Θ}}_{min}+{\mathrm{\Θ}}_{max}}---\left(6\right)$

其中，Θ为候选结点局部局部领域块之间的角度变化

其中，Υ为候选结点局部局部领域块边界的曲率情况，由此，计算得到T型结点图；

步骤3)：设计基于T型结点线索的分割区域融合策略对粗糙分割图进行优化，得到优化后图像，即图像物体分割结果表示为C，其具体方法为：

C1、判断分割块之间是否包含T结点，包含则不合并，不包含则合并，是否融合可表示为：

其中R为相邻的分割块；

C2、场景图像中目标物体之间存在结点表明其存在遮挡，意味着非同一目标物，判断完成之后出图像物体分割结果。