[发明专利]一种图像分割方法、装置、设备及计算机可读存储介质

说明书

本发明实施例公开了一种图像分割方法、装置、设备及计算机可读存储介质。其中，方法包括对待分割图像进行ROI区域生长处理，以从待分割图像中提取感兴趣区域作为目标检测区域图像；利用混沌蚁群算法对目标检测区域图像进行边缘检测，得到待分割图像的边缘图像。本申请在利用混沌蚁群算法对图像边缘进行提取之前，先从待分割图像中提取感兴趣区域代替整副待分割图像用于后续处理，有效减少图像处理及真实环境中点的搜索工作量，从而提高图像分割方法的运行速度，满足实时性的现实需求；由于混沌蚁群算法通过更新信息素矩阵来计算图像阈值，从而获得图像边缘信息，能够更全面、迅速地找到图像的边缘，从而提高图像分割的速度和准确度。

技术领域

本发明实施例涉及图像处理技术领域，特别是涉及一种图像分割方法、装置、设备及计算机可读存储介质。

背景技术

随着计算机技术的快速发展，图像处理技术也得到快速发展。图像分割作为图像处理过程中的重要的一个步骤，也得到相应发展。

图像分割为把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标区域的过程，对后期图像分析准确度有很大的影响。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。边缘存在于目标与背景、目标与目标、区域与区域之间，是图像中物体结构、纹理、形态的重要信息，边缘检测为图像后期处理和分析提供了重要的参数指标，对后续进一步的特征描述、匹配和识别等有着重大的影响。

传统边缘检测方法是根据图像中的灰度值剧烈变化情况来确定边缘，由于各种噪声的存在对边缘检测结果产生很大影响，现有边缘检测技术需要人为设定许多参数，自适应能力较差，对检测较为复杂的图像存在一定的难度，因此图像边缘检测技术有于进一步改进和发展。

目前，图像边缘检测方法有很多种，如Log边缘检测算子、Canny边缘检测算子、Roberts边缘检测算子等。近年来，随着各种新的算法和人工智能理论被引入到数字图像处理领域，出现了一些新的边缘检测方法，如小波变换和小波包的边缘检测法、基于数学形态学的边缘检测算法、模糊理论和神经网络的边缘检测法、利用遗传算法的边缘检测法、蚁群算法等。虽然蚁群算法具有较强的适应性、正反馈性和鲁棒性，但是前期计算量大，处理时间慢，同时，会出现边缘不够平滑、受噪声影响大、易收敛于局部(即局部最优解)等问题。

发明内容

本发明实施例的目的是提供一种图像分割方法、装置、设备及计算机可读存储介质，解决了蚁群算法容易过早收敛、易陷于局部最优、对边缘定位不准确、计算量较大问题，有效减少图像处理及真实环境中点的搜索工作量，提高图像分割方法运行速度。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种图像分割方法，包括：

对待分割图像进行ROI区域生长处理，得到目标检测区域图像；

利用混沌蚁群算法对所述目标检测区域图像进行边缘检测，得到所述待分割图像的边缘图像。

可选的，所述对待分割图像进行ROI区域生长处理包括：

S11：按照预设子图像尺寸将所述待分割图像分割为多个子图像，并基于所述混沌蚁群算法得到所述待分割图像的预设特征参数的阈值；

S12：从各子图像中选择种子区域，并为所述种子区域选择多个相邻子图像，生成候选子区域集；

S13：判断所述候选子区域集中的各候选子区域的特征参数的阈值是否满足预设阈值条件；若是，则执行S14，若否，则执行S15；

S14：将满足所述阈值条件的候选子区域作为种子区域，返回S12；

S15：将不满足所述阈值条件的候选子区域从所述候选子区域集中删除；