[发明专利]基于图像均值漂移和水平集方法的图像分割方法

权利要求书

1.一种基于图像均值漂移和水平集方法的图像分割方法，其特征在于，所述图像分割方法包括：

S1：接收外部输入的列车的原始图像；

S2：从所述列车的原始图像中切割出包含线缆的局部图像；

S3：计算所述局部图像的灰度直方图，根据计算得到的灰度直方图调整所述局部图像的色阶，得到边界一次增强后的局部图像；

S4：采用图像均值漂移算法对所述边界一次增强后的局部图像的边缘进行增强，得到边界二次增强后的局部图像；包括如下子步骤：

S41：在边界一次增强后的局部图像中任选一个像素，定义为初始像素，结合领域空间矢量和领域内每个像素的颜色矢量对初始像素执行均值漂移迭代处理，将初始像素的颜色矢量替换成最后一次迭代的平均颜色矢量；

所述结合领域空间矢量和领域内每个像素的颜色矢量对初始像素执行均值漂移迭代处理的过程包括以下步骤：

S411：针对整个边界一次增强后的局部图像中的每个像素执行均值漂移迭代处理；具体地，

S4111：将初始像素作为迭代中心点；

S4112：计算以迭代中心点为圆心，设定半径范围的领域范围内的所有像素点的向量之和，获取下一次迭代的迭代中心点，并且将本次迭代过程涉及到的所有像素的平均颜色矢量作为下一次迭代的迭代中心点的颜色矢量；

S4113：重复步骤S4112，直至满足预设的收敛条件；

S4114：将初始像素的颜色矢量替换成参与最后一次迭代的所有像素的平均颜色矢量；

S412：判断高斯金字塔层数是否大于1，如果大于，将步骤S411的处理结果发送至上一层，进入步骤S413，否则，结束流程；

S413：针对颜色矢量大于当前层次预设颜色矢量阈值的像素点执行均值漂移迭代处理，将处理结果作为再上一层的输出；

S414：重复步骤S413，直至完成最顶层的均值漂移迭代处理；

S42：重复步骤S41，直至完成对边界一次增强后的局部图像中所有像素的均值漂移迭代处理；

S5：基于水平集方法对所述边界二次增强后的局部图像进行分割，得到线缆轮廓；

S6：将分割得到的线缆轮廓映射至列车的原始图像，实现对原始图像中线缆的分割目的。

2.根据权利要求1所述的基于图像均值漂移和水平集方法的图像分割方法，其特征在于，步骤S2中，所述从所述列车的原始图像中切割出包含线缆的局部图像的过程包括：

S21：基于目标检测算法创建局部图像切割模型，对局部图像切割模型进行训练；

S22：将列车原始图像导入训练好的局部图像切割模型，切割出包含线缆的局部图像。

3.根据权利要求2所述的基于图像均值漂移和水平集方法的图像分割方法，其特征在于，所述目标检测算法包括yolo v3算法。

4.根据权利要求1所述的基于图像均值漂移和水平集方法的图像分割方法，其特征在于，步骤S3中，所述根据计算得到的灰度直方图调整所述局部图像的色阶，得到边界一次增强后的局部图像的过程包括以下步骤：

S31：计算所述局部图像的灰度直方图，获取所有灰度在局部图像中出现的频率；

S32：根据灰度直方图的数据调整色阶，建立映射规则，使得映射后的灰度直方图中每个灰度在局部图像中出现频率的均衡度达到设定均衡度阈值。

5.根据权利要求1所述的基于图像均值漂移和水平集方法的图像分割方法，其特征在于，执行均值漂移算法运算的局部图像满足下述条件：

(x,y):X-sp≤x≤X+sp,Y-sp≤y≤Y+sp,||(R,G,B)-(r,g,b)||≤sr

其中，(X,Y)是初始像素的空间坐标，(R,G,B)是初始像素的颜色矢量；(x,y)是领域范围内的像素点的坐标，(r,g,b)是领域范围内的像素点的颜色矢量，sp是执行均值漂移算法的物理空间半径，sr是颜色空间半径。