[发明专利]一种基于显著性检测的害虫图像背景去除方法

摘要

本发明涉及一种基于显著性检测的害虫图像背景去除方法，与现有技术相比解决了害虫图像分割效果差的缺陷。本发明包括以下步骤：对原始害虫图像进行多尺度超像素预处理；显著图的获得与融合计算，在单尺度下基于多特征相似度融合显著性检测得到显著图，并融合多尺度下的显著图得到最终的显著图；对显著图进行阈值分割得到二值图；将二值图与原始害虫图像进行掩码处理得到去除背景后的害虫图像。本发明使用多特征相似度融合方法计算相似度，不仅考虑到图像的颜色信息还考虑到了图像的纹理信息，由此得到更准确的显著图，图像分割结果也更理想。

主权项

1.一种基于显著性检测的害虫图像背景去除方法，其特征在于，包括以下步骤：11)对原始害虫图像进行多尺度超像素预处理；12)显著图的获得与融合计算，在单尺度下基于多特征相似度融合显著性检测得到显著图，并融合多尺度下的显著图得到最终的显著图；所述的显著图的获得与融合计算包括以下步骤：121)在单尺度下，以区域X为结点构建无向图，无向图定义为图中某一结点仅与其相邻的结点及与他们的相邻结点存在边连接，以邻接矩阵作为无向图的存储结构；122)设置图像的中心点作为种子结点；123)通过基于多特征相似度融合的显著度计算函数计算其他结点与种子结点的相似度；所述的通过基于多特征相似度融合的显著度计算函数计算其他结点与种子结点的相似度包括以下步骤：1231)使用局部二值模式直方图特征计算纹理特征相似度，其具体步骤如下：12311)局部二值模式算子的计算公式如下所示：其中，LBP_P，R(x，y)表示局部二值模式特征，i_c表示中心像素点(x,y)的灰度值、i_n表示在半径R处相邻点的灰度值、P表示中心像素点周围相邻像素点的个数，函数s(x)定义成下式所示12312)使用扩展后的LBP算子，扩展后的LBP算子定义如下：其中，中U(x)的结果根据LBP_P,R模式计算得出，把LBP_P,R模式结果首尾链接起来，在二进制序列中计算跳变数；12313)对图像中的每一个像素点，均利用扩展LBP模式，计算出相应的12314)利用若干个计算该图像中结点的LBP直方图，其如下式所示：其中，i为由LBP算子产生的不同标记点的个数；12315)使用原始像素点的LBP直方图计算相邻结点间纹理特征相似度T_Hist(H_i,1,H_i,2)，其公式如下：1232)使用颜色直方图计算相似度，颜色直方图定义如下：其中，n_k是图像中具有特征值k的像素个数，N是像素总个数，k为颜色信息；使用颜色直方图计算相邻颜色特征相似度C_Hist(H_i,1,H_i,2)，其公式如下：1233)结合颜色特征和纹理特征计算结点相似度，相似度函数Sim(S,M)定义如下：Sim(S,M)＝(1‑λ)*T_Hist(H_i,S,H_i,M)+λ*C_Hist(H_i,S,H_i,M)其中，0≤λ≤1，λ是调整颜色和纹理之间的参数；124)基于图的流行排序生成显著图；125)将多尺度下的显著图进行融合得到最终显著图；13)对显著图进行阈值分割得到二值图；14)将二值图与原始害虫图像进行掩码处理得到去除背景后的害虫图像。