專利名稱：一種基于自適應(yīng)種子選取的貨運(yùn)圖像分割算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種貨運(yùn)圖像分割算法，尤其是涉及一種基于自適應(yīng)種子選取的貨運(yùn)圖像分割算法。
背景技術(shù)：
鐵路貨運(yùn)列車圖像的構(gòu)成可分為圖片背景，貨車背景和貨物三個(gè)部分。為了能更好的對(duì)這些區(qū)域進(jìn)行有針對(duì)性的智能分析與識(shí)別，需要對(duì)圖像進(jìn)行精準(zhǔn)分割。但現(xiàn)有的方法都不能提供足夠準(zhǔn)確和快速的處理結(jié)果。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種更加準(zhǔn)確和快速的基于自適應(yīng)種子選取的貨運(yùn)圖像分割算法。本發(fā)明的技術(shù)方案是一種基于自適應(yīng)種子選取的貨運(yùn)圖像分割算法，包括以下步驟步驟一、將圖像數(shù)據(jù)帶入Gabor Filter算法獲取圖像的紋理信息，即紋理圖像，Gabor Filter算法的計(jì)算公式如下
、I—I X ^ (X ^\f(x,ytw, Θ,IrcfIrv) = -^πρ[—^~十 I ^~)" I ^ jw(xcosB i- ysini)]
-- 2πσχσ}, 2 - σχ \σ}, /χ, y是圖像坐標(biāo)，σ是空間寬度，w是頻率，Θ是偏移角度；步驟二、將步驟一得到的紋理圖像沿著X軸方向，以窗口半徑為5，進(jìn)行掃描，對(duì)整幅圖像進(jìn)行均值濾波處理，去除因Gabor Filter帶來(lái)的噪音；步驟三、根據(jù)步驟二中獲得的圖像紋理信息中的灰度信息，獲得紋理灰度直方圖；步驟四、根據(jù)步驟三獲得的直方圖，使用自適應(yīng)種子選取方法，選取初始化中心點(diǎn)的灰度值，具體的選取方法是，設(shè)一組直方圖數(shù)組X (X1, X2, X3^-Xm),需要選取一組包含K個(gè)初始化中心點(diǎn)的數(shù)組C，K即是分類的數(shù)量，m是數(shù)組中數(shù)據(jù)的數(shù)量，在8位灰度圖像中，m的值為255 4. I)計(jì)算數(shù)組X中所有數(shù)據(jù)點(diǎn)的中值MIDMID= (Xfflax - Xfflin) /2 + Xfflin ；4. 2)找到數(shù)組中距離MID最近的數(shù)據(jù)點(diǎn)Xh，把Xh作為第一個(gè)初始化中心點(diǎn)放入數(shù)組C ;4. 3)對(duì)于數(shù)組X，計(jì)算每一個(gè)數(shù)據(jù)點(diǎn)Xi到C中最近點(diǎn)的距離(KXi)，其中i e m ;4. 4)計(jì)算出 d (X)的距離之和 sum (d (X)),并設(shè)定 y = sum (d (X))/2 ；4. 5)找到唯一一個(gè)系數(shù)j，使其符合下面的條件Cl(X1)2 + d (X2)2 + …+ d (Xj)2 >= y >= (I(X1)2 + d (X2)2 + …+ (I(Xjm)2 ；
4. 6)將Xj作為另一個(gè)初始化中心點(diǎn)放入數(shù)組C ；4. 7)重復(fù)步驟4. 3-4. 6直到找齊K個(gè)初始化中心點(diǎn)步驟五、將根據(jù)步驟四獲得的初始化中心點(diǎn)帶入K-mean算法，對(duì)直方圖進(jìn)行分類，獲得最終分類的中心點(diǎn)，K-mean算法的步驟如下5. I)設(shè)對(duì)m個(gè)聚類對(duì)象進(jìn)行K個(gè)分類，將根據(jù)步驟四獲得的初始化中心點(diǎn)作為K個(gè)分類對(duì)象的初始聚類中心；5. 2)計(jì)算每個(gè)聚類對(duì)象與這些聚類中心的距離，并根據(jù)最小距離分配到K個(gè)聚類中最近的一個(gè)；5. 3)使每個(gè)聚類中所有的樣本的均值作為新的聚類中心；5. 4)重復(fù)5. 2和5. 3直到聚類中心不再變化；步驟六、在步驟五得到的紋理灰度直方圖中的分類結(jié)果，有K個(gè)分類，將灰度值即0-255，分為K組區(qū)間，根據(jù)不同的分類區(qū)間，對(duì)紋理圖像中的每一個(gè)像素進(jìn)行二次賦值，達(dá)到圖像分割的目的。本發(fā)明具有的優(yōu)點(diǎn)和積極效果是由于本技術(shù)方案，對(duì)圖像的分割結(jié)合了圖像灰度和紋理兩部分信息，對(duì)分割聚類的初始點(diǎn)，使用了一種自適應(yīng)的種子選取方法，這種選取初始點(diǎn)的方法提高了之后K-Mean分割的速度，通過(guò)基于鄰域特征的合并，提高了最終圖像分割的精度。


圖I是本發(fā)明的流程框圖；圖2是本發(fā)明中步驟三得出的直方圖。
具體實(shí)施例方式下面結(jié)合附圖及具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步說(shuō)明。如圖I所示，本發(fā)明包括以下步驟步驟一、由于原圖像的灰度像素值無(wú)法滿足分割要求，所以首先利用GaborFilter算法獲得圖像的紋理信息。將圖像數(shù)據(jù)帶入Gabor Filter算法獲取圖像的紋理信息，即紋理圖像，Gabor Filter算法的計(jì)算公式如下
權(quán)利要求
1.一種基于自適應(yīng)種子選取的貨運(yùn)圖像分割算法，其特征在于包括以下步驟步驟一、將圖像數(shù)據(jù)帶入Gabor Filter算法獲取圖像的紋理信息，即紋理圖像，GaborFilter算法的計(jì)算公式如下
全文摘要
本發(fā)明提供一種基于自適應(yīng)種子選取的貨運(yùn)圖像分割算法，通過(guò)使用一種自適應(yīng)種子選取算法(APSS)獲得圖像中灰度與紋理分布中心點(diǎn)的初始值，并用K-Mean算法進(jìn)行圖像興趣區(qū)域的分割，在此基礎(chǔ)上利用鄰域特征對(duì)圖像中的興趣區(qū)域進(jìn)行重新合并，得到最終的分割結(jié)果。本發(fā)明的有益效果是使用了一種自適應(yīng)的種子選取方法，這種選取初始點(diǎn)的方法提高了之后K-Mean分割的速度，通過(guò)基于鄰域特征的合并，提高了最終圖像分割的精度。
文檔編號(hào)G06T7/40GK102903127SQ20121032546
公開(kāi)日2013年1月30日 申請(qǐng)日期2012年9月5日 優(yōu)先權(quán)日2012年9月5日
發(fā)明者俞大海, 單玉堂, 韓建楓, 陳鐘, 岳明, 李震, 楊勇, 孫芳 申請(qǐng)人:天津光電高斯通信工程技術(shù)有限公司