[发明专利]一种基于点击式图像分割的无人机航拍图像电子勾绘方法

摘要

本发明公开了一种基于点击式图像分割的无人机航拍图像电子勾绘方法。该方法通过构造高斯混合模型以及计算像素间纹理相似度和空间距离确定能量方程，并利用图割算法求解，包括：设置必要参数，点击待分割目标，计算图像中像素点之间纹理相似度，根据点击位置提取局部像素点并依据这部分像素点确定高斯混合模型，逐像素点计算属于兴趣目标或非兴趣目标的概率密度，计算像素点间的空间距离，依据图割算法求解能量方程，得到分割结果，分割结果后处理，重复上述步骤直到得到满意结果。本发明采用点击方法实现对航拍图像中兴趣目标的分割，无需训练，方法简单，处理速度快，且有效缓解了自动分割中难以获得理想分割结果的问题。

主权项

1.一种基于点击式图像分割的无人机航拍图像电子勾绘方法，所述方法采用高斯混合模型和图割算法，其特征是包括以下步骤：S01.输入待分割的图像，以及图像通道数目和宽高信息，所述图像为固定翼无人机拍摄的航拍图像；S02.设置分割过程的必要参数，所述必要参数包括“噪声控制参数”，“分割精细度控制参数”和“采样半径”；S03.用户点击兴趣目标，捕获点击位置的(x,y)坐标，所述x，y取值为相对于图像左上角的偏移；S04.计算输入图像中像素点之间的纹理相似度，即计算灰度值之间差值的平方；S05.根据步骤S03中用户点击位置和步骤S02中必要参数的“采样半径”，提取局部像素点，像素点个数记为N^f，其中f表示兴趣目标中包含的部分像素点，依据这部分像素点灰度值并结合图像边缘位置的局部像素点灰度值构造高斯混合模型；S06.计算全部像素点属于兴趣目标或非兴趣目标的概率密度；S07.计算像素点之间的空间距离，所述空间距离为位置坐标之间的欧式距离；S08.通过图割算法求解能量方程，得到分割结果；S09.对分割结果后处理，所述后处理即只输出包含用户点击位置的联通区域；S10.当分割结果不满足用户要求时，重复步骤S03～S09，直到得到满意结果，输出分割结果，所述结果包括兴趣目标的轮廓点坐标；所述步骤S05中构造高斯混合模型还包括以下步骤：e1.对步骤S05中局部像素点进行聚类分析，聚类数目记为m，所述聚类数目即为高斯混合模型中高斯核的个数，每个聚类中像素点的个数记为:e2.从图像边缘位置，提取部分像素点，作为非兴趣目标的先验信息，其像素点个数记为N^b，同样将这部分像素点聚为m类，每个聚类中像素点的个数为：e3.分别计算e1和e2中两高斯混合模型的均值：根据兴趣目标中局部像素点灰度值构造的高斯混合模型的均值，即聚类中心，根据非兴趣目标，即背景，中局部像素点灰度值构造的高斯混合模型的均值，C_i：代表某一聚类，兴趣目标局部像素点，聚类C_i中像素点的灰度值，对真彩色图像，μ_i为一矢量，矢量维数等于图像通道数目，非兴趣目标局部像素点，聚类C_i中像素点的灰度值；e4.分别计算e1和e2中两高斯混合模型的方差：其中，为根据兴趣目标中局部像素点灰度值构造的高斯混合模型的协方差矩阵，为根据非兴趣目标中局部像素点灰度值构造的高斯混合模型的协方差矩阵，对真彩色图像：此时，协方差矩阵为3x3的对称矩阵；对灰度图像：此时，协方差矩阵为1x1矩阵；e5.计算高斯混合模型中个高斯的权重，兴趣目标对应的高斯混合模型权重：非兴趣目标对应的高斯混合模型权重：所述步骤S06中计算概率密度还包括以下步骤：f1.逐像素点计算高斯混合模型的条件概率密度：像素点属于兴趣目标：像素点属于非兴趣目标：f2.逐像素点计算总的联合概率密度：像素点属于兴趣目标：p(I_k，F)＝γp(I_k|F^UNIFORM)+(1‑γ)p(I_k|F^GMM)，像素点属于非兴趣目标：p(I_k，B)＝γp(I_k|B^UNIFORM)+(1‑γ)p(I_k|B^GMM)，所述联合概率密度，当γ＝0是完全由高斯混合模型确定，当γ＝1时完全由均匀分布确定；f3.逐像素点计算其属于兴趣目标的后验概率：所述步骤S08还包括以下步骤：h1.构造图模型，所述图模型的节点包括图像中的像素点，p，q∈P，以及两个额外的节点，即兴趣目标节点N^f和非兴趣目标节点N^b，图模型中的边包括像素点之间，记为E_p，q，以及像素点与两个额外节点之间，记为和h2.确定边上的权重：其中(I_p‑I_q)²由步骤S04计算，dist(p，q)由步骤S07计算，N表示p,q为相邻像素，其中f为兴趣目标的局部像素点，b为非兴趣目标的局部像素点，其中p(F|I_p)为像素点p属于兴趣目标的后验概率；h3.构造能量方程：设一种分割结果s＝(s₁，s₂，...，s_p∈P)，其中能量方程E(S)＝λ∑_p∈PREgion_p(s_p)+∑_p，q∈NBoundoury_p，qδ(s_p，s_q)，其中等式右侧第一项表示“区域属性项”，第二项表示“边界属性项”，h4.利用图割求解能量方程：设一种“切割”记为Cut，这种Cut的损失为：则E(S(Cut))＝Cost(Cut)+const，其中，Region_p(″object″)＝‑ln(p(F|I_p))，Region_p(″background″)＝‑ln(1‑p(F|I_p))，最小化能量方程E(S(Cut))即最小化Cost(Cut)。