[发明专利]一种基于种子点自动选取的全局最优化图像分割方法

说明书

本发明公开了一种基于种子点自动选取的全局最优化图像分割方法，与常规方法不同之处在于：完全不依赖于种子起始点的选择，首先直接根据目标像素阈值特征对图像所有像素进行全局预筛选，然后再根据预筛选后的所有像素的行列位置关系搜索生成目标像素位置集，再根据水平方向分块阈值与垂直方向分块阈值对多个目标区域进行自动检测划分，同时能够自动连续创建生成多个闭合的目标区域，弥补了传统图像区域增长方法依赖于种子点选取的不足，最后再根据有效目标区域行数阈值判断目标区域的有效性，从而确定最终的目标分割区域。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于种子点自动选取的全局最优化图像分割方法。

背景技术

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。其中，区域生长方法作为一种常见的图像分割方法通常能将具有相同特征的连通区域分割出来，并能提供很好的边界信息和分割结果。

区域生长的基本思想是将具有相似性质的像素集合起来构成区域，具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围领域中与种子像素具有相同或相似性质的像素合并到种子像素所在区域中，最后将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素为止。可见区域生长依赖于种子像素点的选择，如果待分割的图像中有多处目标区域，则需要设置多个种子点，如果种子点设置位置错误，则会影像整个图像的分割结果。此外，当目标像素在图像中比较独立，但与邻近像素差别较小时肉眼难以有效分辨，比如多光谱摄像机航拍高清图像中的病虫害目标提取以及医学图像近似灰度值器官中的多靶区目标分割，一旦种子点设置误判则会导致分割错误直接影响后续分析。

发明内容

本发明的目的在于：提供一种复杂系统的可靠性评价系统及方法，可直接根据目标像素阈值特征以及行列位置关系确定目标像素位置集从而连续检测出多个闭合的目标区域。

本发明解决技术问题采用如下技术方案：

一种基于种子点自动选取的全局最优化图像分割方法，包括如下步骤：

步骤(1)、获取待分割图像A的所有像素信息作为输入，记图像A的宽度与高度分别为W、H，记图像A第i行第j列位置对应的像素R、G、B分量依次为R_ij、G_ij、B_ij，其中1≤i≤H、1≤j≤W；

步骤(2)、根据待检测目标的R、G、B灰度阈值范围对图像A所有像素信息逐行进行筛选，同时保存筛选后的像素行列位置集Q作为进一步图像分割的输入，记Q有M行，第i行的像素个数为N_i，其中1≤M≤H、1≤i≤M、1≤N_i≤W，记Q第i行第j列元素为Q_ij，元素Q_ij在图像A中的行位置为Q_ijx、列位置为Q_ijy；

步骤(3)、根据Q中每一行相邻像素之间的位置关系再次筛选分割目标，通过水平方向分块阈值ThresholdX、竖直方向分块阈值ThresholdY、有效目标区域行数阈值ObjectHTheshold的阈值设置调控最终输出的目标轮廓集S中轮廓个数与各轮廓尺寸，当第i行相邻两像素在图像A中的列位置间隔小于ThresholdX时则保存像素点位置Q_ijx与Q_ijy作为待定的目标像素位置，其中0<ThresholdX<W，当相邻两像素在图像A中列位置间隔大于ThresholdX时，则中断搜索进入Q的第i+1行，当i+1>M时转入步骤(6)；

步骤(4)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔小于ThresholdY时，令i＝i+1转入步骤(3)继续逐行搜索，其中0<ThresholdY<H；