[发明专利]一种提高图像分割精度的方法

摘要

一种提高图像分割精度的方法，包括：步骤一，设定条件随机场的模型；步骤二，设计基于条件随机场的参数；步骤三，设计联通区域查找算法；步骤四，精确框定最小外接四边形。本发明针对样本问题采用了一种精细化图像分割的方法来提高图像分割的精度，其最突出的特点是针对分割粗糙问题，引进了条件随机场优化处理，能够满足更精细化的目标边缘分割和内部空洞填补，提升了分割定位效果；针对分割图像无明显边框问题，采用了最小外接四边形算法，对二值化后的联通区域进行查找和最小边框限定，得到完美的边框限定结果。本发明可以广泛的应用在图像定位识别领域，比如物流园区车辆识别等。

主权项

1.一种提高图像分割精度的方法，包括如下步骤：步骤一，设定条件随机场的模型；采用一种条件随机场的后处理手段对像素分类的后训练阶段进行干预，使其分类得到更加准确的像素概率值，从而达到对目标像素分类进行精确化定位；条件随机场是一种判别式无向图模型，对于多个变量或者观测序列x＝{x₁,x₂,...,x_n}，即给定目标像素值序列，在给定观测值或标记序列y＝{y₁,y₂,...,y_n}，即类别标签，构建条件概率模型P(y|x)；令G＝<V,E>表示结点与标记y一一对应的无向图，y_v表示与结点v对应的标记变量，n(v)表示结点v的邻接结点，每个变量y_v都满足马尔可夫性，即P(y_v|x,y_v)＝P(y_v|x,y_n(v))                            (1)则(y,x)构成一个条件随机场，对其进行建模，使用势函数和团来定义条件概率P(y|x)，使得标记变量{y_i}以及相邻的标记变量{y_i‑1,y_i}所组成的团势函数最大，通过选用指数势函数，目标函数定义为式中：t_j(y_i+1,y_i,x,i)为两个相邻变量标记位置的转移特征函数，用于刻画相邻标记变量的相关关系以及观测序列对其的影响；s_k(y_i,x,i)为观测序列在标记位置i上的状态特征函数，用于刻画观测序列对标记变量的影响；λ_j和μ_k为参数；Z为规范化因子，用于准确定义概率；步骤二，设计基于条件随机场的参数；针对上述条件随机场，结合图像特征分类的一般模型，采用的能量势函数为式中：θ_i(x_i)为一元势函数；x_i为观测序列中的像素i的分类标签，则有类别概率P(x_i)，转化θ_i(x_i)＝‑logP(x_i)；而第二项的成对势函数θ_ij(x_i,x_j)扩展为式中：μ(x_i,x_j)为标签对比函数，当x_i≠x_j时，μ(x_i,x_j)＝1，否则μ(x_i,x_j)＝0，用于判断相邻像素点间的距离；w_m·k^m(f_i,f_j)为高斯卷积核特征函数，用w_m权衡相邻像素点特征关系，具体关系函数为式中：p_i与p_j为相邻位置像素点坐标；I_i与I_j为两者颜色信息；σ_α为位置因子；σ_β为颜色相似度因子；σ_γ为附加的位置尺度因子；w₁，w₂分别为线性组合的权重；通过平均场近似函数更新迭代Q(x)最小化P(x)与Q(x)的K‑L散度，得到模型的最优解；步骤三，设计联通区域查找算法；图像联通区域查找方法较多，有像素点标记法、线段标记法等；其中像素点标记法又分为区域增长法、顺序扫描法、递归标记法；线段标记法主要为游程标记法；而像素点标记法最常见，将每一类别的物流车辆的预测结果转化为二值图，通过联通区域标号进行查找；设像素点f(x,y)其左右上下坐标分别为f(x‑1,y)，f(x+1,y)，f(x,y‑1)，f(x,y+1)，则联通区域标号merge(x,y)在4领域扫描，经过f(x,y)点时已扫描左、上位置f(x‑1,y)和f(x,y‑1)，因此可通过判断merge(x‑1,y)和merge(x,y‑1)来确定f(x,y)的联通性，具体的判别式为S1)表明与左领域相联通的判断条件：当f(x,y)＝f(x‑1,y)且f(x,y)≠f(x,y‑1)时，merge(x,y)＝merge(x‑1,y)；S2)表明与上领域相联通的判断条件：当f(x,y)＝f(x,y‑1)且f(x,y)≠f(x‑1,y)时，merge(x,y)＝merge(x,y‑1)；S3)表明与左、上领域相联通的判断条件：当f(x,y)＝f(x‑1,y)且f(x,y)＝f(x,y‑1)时，merge(x,y)＝merge(x‑1,y)＝merge(x,y‑1)；S4)表明与左、上领域不联通的判断条件：当f(x,y)≠f(x‑1,y)且f(x,y)≠f(x,y‑1)时，merge(x,y)＝NewLabel新的联通标号；设立一个一维数组common，其下标为临时联通区域标号merge(x,y)的值，merge(x,y)的值代表某个共同联通区域标号，即像素点f(x,y)的共同联通区域标号common(merge(x,y))；扫描二值图类别图像，具体流程为T1)当出现当前坐标点f(x,y)≠f(x‑1,y)以及f(x,y)≠f(x,y‑1)时，表明像素点f(x,y)属于新的联通区域，数组common新增一个，并且记录common(merge(x,y))＝merge(x,y)；T2)当出现当前坐标点f(x,y)＝f(x,y‑1)以及f(x,y)＝f(x‑1,y)，还需要比较临时联通区域标号merge(x‑1,y)和merge(x,y‑1)的值；若出现merge(x‑1,y)＝merge(x,y‑1)情况则merge(x,y)＝merge(x,y‑1)；若出现merge(x‑1,y)≠merge(x,y‑1)情况则当common(i)＝common(merge(x‑1,y))时，有common(i)＝common(merge(x,y‑1))；T3)当出现当前坐标点f(x,y)＝f(x,y‑1)以及f(x,y)≠f(x‑1,y)，则表明与上领域联通，记录merge(x,y)＝merge(x,y‑1)；T4)当出现当前坐标点f(x,y)＝f(x‑1,y)以及f(x,y)≠f(x,y‑1)，则表明与左领域联通，记录merge(x,y)＝merge(x‑1,y)；经以上步骤后，合并所有联通区域，得到每一类别的联通区域，可对目标图像做像素点分割定位；步骤四，精确框定最小外接四边形；在分割基础上，采用了最小外接四边形的方法将目标进行框定，这样有利于计算目标的宽高像素信息；其中定位的最小外接四边形计算流程为：1)将步骤三分割图像每一类别转为二值图像，寻找其近似多边形轮廓；2)多边形轮廓由每一系列点组成，找到离散点中y坐标最大，x坐标最小的点记为A点；3)以A为原点，x轴正反向射线顺时针扫描，找到旋转角最小时的扫描点，记为B点；4)以B点为原点，AB方向射线顺时针扫描，找到旋转角最小时的点记为C点；5)以此类推，直到找到A点，从而得到多边形P；6)以P为凸边以旋转法计算每一次旋转的面积，得到最小面积，即最小外接四边形，记录最小外接四边形的高度和宽度。