[发明专利]基于YCbCr超像素和图割的鸟类关键部位提取方法和装置

权利要求书

1.一种基于YCbCr超像素和图割的鸟类关键部位提取方法，其特征在于，包括：

步骤1，在YCbCr颜色空间下，对鸟类图像进行超像素分割，分割后的超像素形成图割模型的node顶点；

步骤2，对鸟类图像中的背景和鸟身体的各关键部位进行多边形标记，并制作背景和关键部位的标签类型，各标签类型形成图割模型中的Terminal节点；其中，鸟身体关键部位的类型包括头部、颈部、躯干和翅膀；

步骤3，在YCbCr颜色空间下，利用超像素的颜色直方图和纹理直方图来比较两个超像素的相似程度，利用公式(1)计算两Node节点之间的边以及利用公式(2)计算Node节点与Terminal节点之间的边，以实现标签类型从标记向超像素进行扩散；

式中，R_ij(y_i，y_j|X)表示y_i与y_j之间的边的取值，y_i为超像素x_i所属标签类型所对应的值，y_j为超像素x_j所属标签类型所对应的值，[y_i≠y_j]表示若y_i≠y_j，[y_i≠y_j]为1，否则为0；X表示步骤1获取的超像素集合{x₁，x₂，…，x_i，…，x_N}，x_i表示超像素分割后的图像中的第i个超像素，x_j表示超像素分割后的图像中的第j个超像素，表示超像素x_i的颜色直方图，表示超像素x_j的颜色直方图，h_t(x_i)表示超像素x_i的纹理直方图，h_t(x_j)表示超像素x_j的纹理直方图，表示l₂范数；

式中，R_i表示超像素x_i对应的Node节点与其连接的Terminal节点之间边的取值，|C|表示步骤2得到的标签类型集合C＝{c₁，c₂，…，c_k，…，c_K}的标签类型的数量，c_k表示第k种标签类型，S表示超像素的标记集合：s_k为被标记为c_k的超像素集合；

步骤4，构建公式(3)表示的图割模型中目标函数，并进行优化求解，得到鸟类关键部位分割结果；

∑_iR_i(y_i|X，S)+∑_i，jR_ij(y_i，y_j|X) (3)

通过优化求解目标函数，得到对整个鸟类图像的所有超像素的分类标签，实现鸟类关键部位的提取。

2.如权利要求1所述的基于YCbCr超像素和图割的鸟类关键部位提取方法，其特征在于，步骤2具体包括：

以手工方式沿鸟类关键部位做点标记，点标记结束后完成对标记区域填充，预先约定用不同颜色代表不同的关键部位。

3.如权利要求2所述的基于YCbCr超像素和图割的鸟类关键部位提取方法，其特征在于，头部约定为红色，颈部约定为橙色，躯干约定为黄色，翅膀约定为绿色，背景约定为黑色。

4.一种基于YCbCr超像素和图割的鸟类关键部位提取装置，其特征在于，包括：

图割模型node顶点生成单元，其用于在YCbCr颜色空间下，对鸟类图像进行超像素分割，分割后的超像素形成图割模型的node顶点；

图割模型Terminal节点生成单元，其用于对鸟类图像中的背景和鸟身体的各关键部位进行多边形标记，并制作背景和关键部位的标签类型，各标签类型形成图割模型中的Terminal节点；其中，鸟身体关键部位的类型包括头部、颈部、躯干和翅膀；

计算单元，其用于在YCbCr颜色空间下，利用超像素的颜色直方图和纹理直方图来比较两个超像素的相似程度，利用公式(1)计算两Node节点之间的边以及利用公式(2)计算Node节点与Terminal节点之间的边，以实现标签类型从标记向超像素进行扩散；

式中，R_ij(y_i，y_j|X)表示y_i与y_j之间的边的取值，y_i为超像素x_i所属标签类型所对应的值，y_j为超像素x_j所属标签类型所对应的值，[y_i≠y_j]表示若y_i≠y_j，[y_i≠y_j]为1，否则为0；X表示步骤1获取的超像素集合{x₁，x₂，…，x_i，…，x_N}，x_i表示超像素分割后的图像中的第i个超像素，x_j表示超像素分割后的图像中的第j个超像素，表示超像素x_i的颜色直方图，表示超像素x_j的颜色直方图，h_t(x_i)表示超像素x_i的纹理直方图，h_t(x_j)表示超像素x_j的纹理直方图，表示l₂范数；

式中，R_i表示超像素x_i对应的Node节点与其连接的Terminal节点之间边的取值，|C|表示步骤2得到的标签类型集合C＝{c₁，c₂，…，c_k…，c_K}的标签类型的数量，c_k表示第k种标签类型，S表示超像素的标记集合：s_k为被标记为c_k的超像素集合；

优化求解单元，其用于公式(3)表示的构建图割模型中目标函数，并进行优化求解，得到鸟类关键部位分割结果：

∑_iR_i(y_i|X，S)+∑_i，jR_ij(y_i，y_j|X) (3)

通过优化求解目标函数，得到对整个鸟类图像的所有超像素的分类标签，即实现了鸟类关键部位的提取。