[发明专利]一种基于伤口加权显著性算法的手部伤口检测方法

说明书

本文提出一种基于伤口加权显著性的手部伤口检测方法。一般情况下，显著性算法对于图像的显著效果对于专门区域的提取相对不明显，并且有很多局限性。本方法主要是先使用GrabCut进行前景提取，然后对手部图像分别进行初始量化、高级颜色筛选及转换颜色空间与GB分割，主要在不同的分割区域可以在Lab空间下进行区域之间距离的影响计算，并引入伤口颜色特征的加权，使伤口更突显，除此之外，还引入移动视觉焦点，计算图像中真正的视觉焦点并重新计算显著值，得到最后的突出伤口的显著图。大量实验证明该方法对于伤口检测很有效。

技术领域

本发明主要涉及图像处理技术，具体涉及一种基于伤口加权显著性的手部伤口检测方法

背景技术

近些年来，随着“智慧城市”“智慧厨房”等概念层出不穷，一方面反映了人们对科技进步的需求更胜从前；另一方面，关于手部的研究也随之有了新的发展进程。如今，智慧厨房^[4]的建设也是一个热点，缘由在于人们迫切的想要将最新的技术融入到自己的日常生活中，希望自己的生活“高科技”。智慧厨房的设计概念及物化实施过程中包含五个原则，分别是厨房设施智能化、操作人性化、低碳化、交流平台开放化、餐厨一体化。而关于设施智能化最为重要的设施可能就是晨检仪了，晨检仪就是检测厨师手部是否合格的智能设备，将手部内容的检测算法与晨检仪结合在一起才能实现其目的。但是纵观国内外，对于手部的研究无非就是手势的识别与关键点的检测，而对于我们手部内容的研究少之又少。因此在这种相对比较窘迫的情势下，手部彩色图像内容检测技术就显得意义重大。

手部彩色图像内容检测中非常重要的一个内容就是对手部伤口的检测。对于手部彩色图像来说，如果手部有伤口，无论是新鲜伤口还是已经结痂的伤口，都相对于整张手部图像较为显著，在人们的正常视力范围内，是比较显眼的。因此手部彩色图像伤口检测部分主要使用的显著性算法，而对于先将手部提取出来的彩色图像应用则为区域显著性算法。

显著性算法比较著名的有基于生物模型融合特征整合理论的Itti算法、基于颜色特征的中央-周边算子视觉显著性检测方法FT算法等，也有近几年出现的基于全局区域对比度RC算法引入引力模型检测人眼中最为显著部分的MRC算法等，但是这些算法对于手部图像中的伤口检测没有比较好的效果，从而基于MRC算法提出DRC显著性算法。

发明内容

本发明的目的在于提出一种基于伤口加权显著性的手部伤口检测方法，以达到在复杂背景的手部图像中相对准确的凸显手部的伤口区域。在该发明中，这个实现过程都是由计算机自动完成的，用户只需要输入手部图像，便可以自己检测图像中的伤口区域。

本发明的技术方案如下：

步骤S1，使用GrabCut技术对原图像进行提取前景，获得提取到手部的分割图K；

步骤S2，对步骤S1获得的分割图K进行初始量化及高级颜色筛选，得到量化后的视觉差异小但颜色数目减少的图像集K²；

高级颜色筛选其实是进一步的图像量化，主要目的是为了保证保留原图像的95％的颜色与高质量；

同时对得到的图像集K²进行颜色空间转换，得到图像集K³；

想要从最常见的RGB颜色空间转为Lab颜色空间，中间要经过XYZ颜色空间，转换颜色空间的目的是为了更加符合人类的视觉；

步骤S3，对步骤S1获得的分割图K使用GB技术进行分割，得到颜色分割图C^m；

GB分割技术是最常用的一种图像分割技术，主要利用的是像素点与像素点之间的相似度，以及将图像具化为图进行区域划分，并且在分割的过程中可以对不同区域进行不同颜色的着色，以更好的显示分割效果；