[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

说明书

本发明公开了一种基于YCbCr超像素和图割的鸟类关键部位提取方法和装置，该方法包括：步骤1，在YCbCr颜色空间下，对鸟类图像进行超像素分割，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，形成图割模型中的Terminal节点；步骤3，利用超像素的颜色直方图和纹理直方图比较两个超像素的相似程度，计算两Node节点之间的边以及Node节点与Terminal节点之间的边；步骤4，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。本发明能够获得鸟类具有区分性的精确关键部位特征，有助于避免拍摄角度、光照及姿态的影响，提高鸟类图像细粒度分类与识别的准确率。

技术领域

本发明涉及光学与数字图像处理技术领域，特别是关于一种基于YCbCr超像素和图割的鸟类关键部位提取方法和装置。

背景技术

我国进入生态文明建设新阶段，生态环境保护成为重中之重。鸟类是诸多自然保护区生态环境评估的重要指示物种。生态环境监测中的鸟类监控图像和视频数量剧增，鸟类识别和分析的需求也剧增。鸟类识别可以帮助自然保护区和生物学家对鸟类种群分布、迁徙等进行有效监测。

目前，鸟类细粒度识别问题具有如下特点：

1.不同种类的鸟之间高度的相似性，在一些部位可能具有相同的特征信息。

2.鸟类图像中具有区分性特征信息往往存在于一些细微部位。由于鸟类姿态多变，可能使得图像中区分性特征信息丢失。

3.鸟类图像的光照、背景都会干扰识别结果。

这些特点使得鸟类细粒度的自动化识别成为一个具有挑战性的问题。获得鸟类具有区分性的精确关键部位特征，可以避免拍摄角度、光照及姿态的影响，对鸟类分析、鸟类图像细粒度分类与识别的准确率提高有着决定性的作用。因此，鸟类关键部位的检测和定位对鸟类细粒度识别至关重要。

发明内容

本发明的目的在于提供一种基于YCbCr超像素和图割的鸟类关键部位提取方法，其能够为鸟类分析、鸟类图像细粒度分类与识别等提供基础数据。

为实现上述目的，本发明提供一种基于YCbCr超像素和图割的鸟类关键部位提取方法，该方法包括：

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，计算两Node节点之间的边以及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；

步骤4，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。

进一步地，利用公式(1)计算两Node节点之间的边：