[发明专利]一种RGB-D图像的自动分割方法

说明书

本发明是一种RGB‑D图像的自动分割方法。为了获得前景目标的内部轮廓和外部轮廓，先对深度图进行形态学运算和边缘检测，采用拉普拉斯算子进行边缘检测。用高斯差分来代替拉普拉斯算子来简化计算。将获得的内部边缘和外部边缘作为前景种子和背景种子，省去了用户的交互输入，达到了自动分割的目的。接下来分割在彩色图上进行。将从深度图获得的种子位置迁移到彩色图上。由于深度图和彩色图的像素一一对应，所以种子位置也是一一对应的。然后建立目标函数，目标函数分为两项，一项为区域消耗，即远离边界的分割消耗，另一项为边界消耗，即在前景和背景的交界处像素的分割消耗。最后通过计算所有边界的权重消耗来获得最优分割。

技术领域

本发明涉及深度图分割技术领域，是一种RGB-D图像的自动分割方法。

背景技术

图像分割是在计算机视觉的基础，是图像理解的重要组成部分，没有正确的分割就不可能有正确的识别。在通信领域中，图像分割技术对可视电话等活动图像的传输很重要，需要把图像中活动部分与静止的背景分开，还要把活动部分中位移量不同的区域分开，对不同运动量的区域用不同的编码传输，减少传输需要的带宽。图像分割在医学领域也有应用。医学图像分割是对医学图像进行其他后续处理的基础。对图像中目标区域的准确分割对于计算机辅助诊断、制订手术计划、目标三维重建以及放射性治疗评价等都具有重要意义。近几十年来，随着医学成像设备的不断完善，医学图像的分割算法也层出不穷，但是很少能够在临床上得到广泛应用。用一个全面的医学图像数据集合来客观评价医学图像分割算法是将该算法向临床应用推进的关键一步。图像分割的算法不仅是图像技术领域的经典难题，评价图像分割算法性能的优劣至今也没有得到解决，因此即使图像处理已经发展了几十年，图像分割仍然是众多研究院热衷于并且付诸巨大努力的一个课题。

常用的图像分割技术可划分为四类：特征阈值或聚类、边缘检测、区域生长或区域提取。虽然这些方法分割灰度图像效果较好，但用于彩色图像的分割往往达不到理想的效果。

近期文献中出现一种交互式图像分割可以在彩色图像上取得很好的分割效果。交互式图像分割是指，首先由用户以某种交互手段指定图像的部分前景与部分背景，然后算法以用户的输入作为分割的约束条件自动地计算出满足约束条件下的最佳分割。典型的交互手段包括用一把画刷在前景和背景处各画几笔以及在前景的周围画一个方框等。但这种算法需要用户的交互式输入，在应用过程中受到严重的限制。因此本发明通过结合边缘检测为后续图像分割提供目标和背景的种子，使得整个图像分割过程可以完全自动化。

发明内容

本发明为实现自动化分割图像，本发明提供了一种RGB-D图像的自动分割方法，本发明提供了以下技术方案：

一种RGB-D图像的自动分割方法，包括以下步骤：

步骤1：对深度图像进行形态学变换和边缘检测，得到被分割目标的内部边缘和外部边缘，将内部边缘和外部边缘作为深度图的前景种子和背景种子；

步骤2：根据深度图像的前景种子和背景种子，将深度图像的前景种子和背景种子迁移至彩色图上，对彩色图上相同位置的像素点分别标记为目标种子和背景的种子；

步骤3：对每个像素赋予标签，分为背景和前景，根据赋予标签后的像素，确定目标函数；

步骤4：最小化目标函数，根据所有边界的权重获得最优分割。

优选地，所述步骤1具体为：

步骤1.1：对深度图像进行形态学变换，对深度图分别进行膨胀和腐蚀形态学计算，通过下式表示深度图分别进行膨胀和腐蚀形态学计算过程：

其中，Z_i和Z_o分别表示腐蚀结果和膨胀结果，⊙和分别代表形态学腐蚀和形态学膨胀运算，B为深度图像结构元素；