一種基于自適應種子選取的貨運圖像分割算法制造技術

本發明專利技術提供一種基于自適應種子選取的貨運圖像分割算法，通過使用一種自適應種子選取算法（APSS）獲得圖像中灰度與紋理分布中心點的初始值，并用K-Mean算法進行圖像興趣區域的分割，在此基礎上利用鄰域特征對圖像中的興趣區域進行重新合并，得到最終的分割結果。本發明專利技術的有益效果是：使用了一種自適應的種子選取方法，這種選取初始點的方法提高了之后K-Mean分割的速度，通過基于鄰域特征的合并，提高了最終圖像分割的精度。

【技術實現步驟摘要】
本專利技術涉及一種貨運圖像分割算法，尤其是涉及一種基于自適應種子選取的貨運圖像分割算法。
技術介紹
鐵路貨運列車圖像的構成可分為圖片背景，貨車背景和貨物三個部分。為了能更好的對這些區域進行有針對性的智能分析與識別，需要對圖像進行精準分割。但現有的方法都不能提供足夠準確和快速的處理結果。
技術實現思路
本專利技術的目的是提供一種更加準確和快速的基于自適應種子選取的貨運圖像分割算法。本專利技術的技術方案是一種基于自適應種子選取的貨運圖像分割算法，包括以下步驟步驟一、將圖像數據帶入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，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，進行掃描，對整幅圖像進行均值濾波處理，去除因Gabor Filter帶來的噪音；步驟三、根據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、根據步驟三獲得的直方圖，使用自適應種子選取方法，選取初始化中心點的灰度值，具體的選取方法是，設一組直方圖數組X (X1, X2, X3^-Xm),需要選取一組包含K個初始化中心點的數組C，K即是分類的數量，m是數組中數據的數量，在8位灰度圖像中，m的值為255 4. I)計算數組X中所有數據點的中值MIDMID= (Xfflax - Xfflin) /2 + Xfflin ；4. 2)找到數組中距離MID最近的數據點Xh，把Xh作為第一個初始化中心點放入數組C ;4. 3)對于數組X，計算每一個數據點Xi到C中最近點的距離(KXi)，其中i e m ;4. 4)計算出 d (X)的距離之和 sum (d (X)),并設定 y = sum (d (X))/2 ；4. 5)找到唯一一個系數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作為另一個初始化中心點放入數組C ；4. 7)重復步驟4. 3-4. 6直到找齊K個初始化中心點步驟五、將根據步驟四獲得的初始化中心點帶入K-mean算法，對直方圖進行分類，獲得最終分類的中心點，K-mean算法的步驟如下5. I)設對m個聚類對象進行K個分類，將根據步驟四獲得的初始化中心點作為K個分類對象的初始聚類中心；5. 2)計算每個聚類對象與這些聚類中心的距離，并根據最小距離分配到K個聚類中最近的一個；5. 3)使每個聚類中所有的樣本的均值作為新的聚類中心；5. 4)重復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果，有K個分類，將灰度值即0-255，分為K組區間，根據不同的分類區間，對紋理圖像中的每一個像素進行二次賦值，達到圖像分割的目的。本專利技術具有的優點和積極效果是由于本技術方案，對圖像的分割結合了圖像灰度和紋理兩部分信息，對分割聚類的初始點，使用了一種自適應的種子選取方法，這種選取初始點的方法提高了之后K-Mean分割的速度，通過基于鄰域特征的合并，提高了最終圖像分割的精度。附圖說明圖I是本專利技術的流程框圖；圖2是本專利技術中步驟三得出的直方圖。具體實施例方式下面結合附圖及具體實施方式對本專利技術作進一步說明。如圖I所示，本專利技術包括以下步驟步驟一、由于原圖像的灰度像素值無法滿足分割要求，所以首先利用GaborFilter算法獲得圖像的紋理信息。將圖像數據帶入Gabor Filter算法獲取圖像的紋理信息，即紋理圖像，Gabor Filter算法的計算公式如下本文檔來自技高網...

【技術保護點】
一種基于自適應種子選取的貨運圖像分割算法，其特征在于：包括以下步驟：步驟一、將圖像數據帶入Gabor？Filter算法獲取圖像的紋理信息，即紋理圖像，Gabor？Filter算法的計算公式如下：f(x,y,w,θ,σx,σy)=12πσxσyexp[-12((xσx)2+(xσy)2)+jw(xcosθ+ysinθ)]x,？y是圖像坐標，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，進行掃描，對整幅圖像進行均值濾波處理，去除因Gabor？Filter帶來的噪音；步驟三、根據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、根據步驟三獲得的直方圖，使用自適應種子選取方法，選取初始化中心點的灰度值，具體的選取方法是，設一組直方圖數組X（X1，X2，X3,…Xm）,需要選取一組包含K個初始化中心點的數組C，K即是分類的數量，？m是數組中數據的數量，在8位灰度圖像中，m的值為255：4.1）計算數組X中所有數據點的中值MIDMID=？（Xmax？–？Xmin）/2？+？Xmin？；4.2）找到數組中距離MID最近的數據點Xh，把Xh作為第一個初始化中心點放入數組C；4.3）對于數組X，計算每一個數據點Xi到C中最近點的距離d(Xi)，其中i∈m；4.4）計算出d(X)的距離之和sum(d(X))，并設定y？=？sum(d(X))/2；4.5）找到唯一一個系數j，使其符合下面的條件：d(X1)2？+？d(X2)2？+？…+？d(Xj)2？>=？y？>=？d(X1)2？+？d(X2)2？+？…+？d(Xj？1)2；4.6）將Xj作為另一個初始化中心點放入數組C；4.7）重復步驟4.3？4.6直到找齊K個初始化中心點步驟五、將根據步驟四獲得的初始化中心點帶入K？mean算法，對直方圖進行分類，獲得最終分類的中心點，K？mean算法的步驟如下：？5.1）設對m個聚類對象進行K個分類，將根據步驟四獲得的初始化中心點作為K個分類對象的初始聚類中心；5.2）計算每個聚類對象與這些聚類中心的距離，并根據最小距離分配到K個聚類中最近的一個；5.3）使每個聚類中所有的樣本的均值作為新的聚類中心；5.4）重復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果，有K個分類，將灰度值即0？255，分為K組區間，根據不同的分類區間，對紋理圖像中的每一個像素進行二次賦值，達到圖像分割的目的。...

【技術特征摘要】
1.一種基于自適應種子選取的貨運圖像分割算法，其特征在于包括以下步驟步驟一、將圖像數據帶入Ga...

【專利技術屬性】
技術研發人員：俞大海，單玉堂，韓建楓，陳鐘，岳明，李震，楊勇，孫芳，
申請(專利權)人：天津光電高斯通信工程技術有限公司，
類型：發明
國別省市：