[发明专利]基于显著性与Grabcut的水下海参图像分割方法

权利要求书

1.一种基于显著性与Grabcut的水下海参图像分割方法，其特征在于，包括以下步骤：

步骤一：获取图像，利用Retinex算法对采集到的图像去雾，增加图像对比度；

步骤二：利用SLIC算法生成超像素图，提高目标分割的精度；

步骤三：利用流形排序显著性算法对超像素图做目标检测；

步骤四：利用GrabCut算法与显著性图像结合实现对海参目标的免交互式分割。

2.根据权利要求1所述的基于显著性与Grabcut的水下海参图像分割方法，其特征在于，所述步骤一具体为：

用源图像S表示人眼看到的图像，环境入射光照分量用函数L表示，物体的反射分量用R表示，三者关系如公式(1)所示；通过源图像S来计算图像本身含有的反射分量R；利用高斯模糊滤波器F与S卷积运算求得环境入射光照分量L，利用对数运算得到R，公式(1)-(4)如下：

S(x，y)＝L(x，y)×R(x，y) (1)

L＝F*S (3)

log(R)＝log(S)-log(L) (4)

3.根据权利要求1所述的基于显著性与Grabcut的水下海参图像分割方法，其特征在于，所述步骤二具体为：

将原彩色图像映射CIELAB颜色空间与XY坐标下的特征向量；然后构造距离度量标准，在特征向量空间图像像素局部聚类生成超像素，SLIC算法能生成区域内的超像素图，超像素可映射为网络图中的节点，进而构建成精简的网络图；

定义超像素总数为k，对于有N个像素的图像，在一个规则的像素间隔S上采样k个初始聚类中心c_i＝[l_i，a_i，b_i，x_i，y_i]^T，i∈[1，k]，其中每个超像素宽度S＝(N/K)^1/2，在CIELAB颜色空间中，超像素的相似度度量方法为：

式中，d_c表示第i个聚类中心与第j个像素点的颜色距离；d_s表示第i个聚类中心与第j个像素点的空间距离；参数m用于调节颜色相似性与空间距离间关系，当m增加时，空间距离影响变大，超像素变紧凑；反之，区域内相似颜色的像素更易聚集；d表示超像素图像。

4.根据权利要求3所述的基于显著性与Grabcut的水下海参图像分割方法，其特征在于，所述SLIC算法具体流程如下：

1)初始化聚类中心点c_i＝[l_I，a_I，b_I，x_I，y_i]^T，根据设定的超像素数k，在图像中均匀分配种子；

2)将聚类中心点移动到n*n邻域中的最低梯度位置；

3)迭代①～③步，直到残差e小于阈值；

①对于每个种子点c_i，在2S*2S邻域内的像素点分配标签，每个像素被多个种子点搜索，匹配相似度度量标准为公式(1)，度量最小值对应该像素的聚类中心；

②计算新的聚类中心点；

③计算新的聚类中心位置与以前的中心位置之间的残差e；

4)增强连通性。