[发明专利]一种适用于空间非合作目标的多特征图像分割定位方法

说明书

【技术领域】

本发明属于图像处理与计算机视觉领域，具体涉及一种适用于空间非合作目标的多特征图像分割定位方法。

【背景技术】

视觉是人类获取外界信息的重要途径，研究表明，日常生活中人类有超过70％的信息是通过眼睛以视觉的形式获取，而图像则是信息的重要载体。随着图像处理技术的日益发展，图像的尺寸、分辨率逐渐增大，其包含的信息也在不断丰富，这给图像处理算法和设备的运行带来较大压力。但对于大部分应用而言，如行人监控、人脸识别等，我们一般只关心图像中包含某种特征物体的区域，对其他区域并不感兴趣，而它们通常只占整幅图像的一小部分，因此直接处理整幅图像是没有必要的。如何在整幅图像中快速、有效地提取特定的感兴趣区域便成为重要的研究内容。

图像目标检测一直以来都是计算机视觉中非常活跃的研究方向，在很多领域都得到广泛应用，如行人检测、人脸识别、目标实时跟踪等，其中基于图像分割的方法是进行目标检测定位的重要途径。图像分割的目的在于判断图像中的每一个像素是否属于前景物体或背景。但传统的图像分割算法在实际应用中主要面临两个问题：1、能够精确处理图像的通用分割算法还没有出现，算法需根据具体应用调整参数设置；2、算法的时间复杂度往往较高，很难满足实时性的要求。比如GS(Graph-based Segmentation)算法，虽然其运行时间较快，但算法无法对超像素的尺寸等参数进行调整；基于NC(Normalized Cuts)的分割算法能够方便地调整超像素的数目，但其时间开销过大，且分割效果并不理想。因此采用一种速度快、效果好的分割方法，并设计能够提取超像素判别特征的特征表达算子，从而完成定位过程，具有十分重要的意义。

本发明基于SLIC(Simple Linear Iterative Clustering)方法和反应超像素不同特征的描述算子，通过与传统目标检测算法的比较，进一步验证了本算法在目标识别精度、运行效率上的优势，同时算法对噪声具有一定的鲁棒性，有广泛的应用前景。

【发明内容】

本发明的目的在于弥补现有图像分割定位算法在运行速度、适应范围和鲁棒性上的不足，提供一种无需标记信息，并实现图像目标快速检测的适用于空间非合作目标的多特征图像分割定位方法。

为达到上述目的，本发明所采用的技术方案包括以下步骤：

1)选取包含非合作目标的图像作为待处理图像，应用SLIC算法将图像分割为尺寸以及内部元素特征相似的超像素，超像素互不重合，且有唯一的标记信息i(i＝0,1,2,…N-1)，N表示超像素的总数目；

2)选取i＝0所对应的超像素区域x_i，计算区域的主次方向比，作为当前区域的方向特征f_i¹；

3)计算超像素区域x_i的方差，作为当前区域的方差特征f_i²，即：

其中，x_ij表示x_i转化为灰度图像后第j个像素对应的灰度值；

4)计算超像素区域x_i的面积与周长的比值f_i³作为当前区域的第三个特征，则：

f_i³＝n_i/p_i

其中，p_i表示区域x_i的边界中所包含的像素个数；

5)依次遍历其余超像素，并计算每一个超像素所对应的特征f_i¹,f_i²,f_i³；级联上述三个特征，形成对超像素x_i的最终评价f_i＝c₁f_i¹+c₂f_i²+c₃f_i³，其中c₁,c₂,c₃表示每个特征对最终评价值的权重；

采用二维高斯分布生成满足上述要求的权重分布，即：

其中，w_i表示第i个超像素对应的权重；

对所有特征进行归一化，得到：