[发明专利]基于多尺度分形维和神经网络的机器人视觉图像分割方法

摘要

本发明公开一种基于多尺度分形维和神经网络的机器人视觉图像分割方法，本发明属于机器人视觉技术领域。该方法采用了图像小波变换和分形维数相结合的方式进行图像分割，并且使用了神经网络的方法区分出所提取特征所属的图像区域，能够实现快速的图像分割。本发明方法利用自然界中不同物体表面纹理分形维数不同的特性，能够有效的分割出天空，树木，道路三个不同的区域。另外，在已有神经网络训练结果的基础上进行图像区域分割可以提高分割的速度，适用于运动过程中的机器人视觉系统。

主权项

一种基于多尺度分形维和神经网络的机器人视觉图像分割方法，其特征在于包括如下步骤：步骤一、分别拍摄天空、道路、树木的图像，并对图像进行一系列的预处理，形成一个图片训练库，所述预处理包括：灰度化、直方图均衡化、调整图像尺寸为统一尺寸大小；步骤二、对图片训练库中每张图像分别进行小波变换，得到每张图像的一幅低频近似图像和m幅高频细节图像，m为正整数；步骤三、对图片训练库中每张图像经步骤二得到的m+1幅图像分别计算差分盒子维数，得到图片训练库中每张图像对应的m+1维分形特征向量；步骤四、将图片训练库中每张图像对应的m+1维分形向量分别作为神经网络的输入，输出为01，10，11，分别对应天空、道路和树木，训练神经网络；步骤五、将要进行图像分割的图片经过步骤一中的预处理，然后使用大小为w，像素点(x.y)为中心的窗口对整幅图像进行扫描，w取任意大于2的正整数，每个窗口均用步骤三中的方法计算出分形维数，作为像素点(x.y)的分形维特征，将上述分形维特征作为步骤四中经过训练的神经网络的输入，得到该像素所属类别；步骤六、将步骤五中已归类完的三个区域用三个不同的灰度值显示出来，对图像中存在的一些由于归类错误而产生的杂小区域，使用数学形态学的方法将其去除。