[发明专利]基于伪彩色编码与DISCOV编码的图像分割方法

说明书

技术领域

本发明涉及图像分割方法。

背景技术

传统目标区域提取方法如模糊C分类，可根据目标内部的凝聚性以及目标与背景之间的欧式距离调整阈值以实现对目标区域的提取。近些年来，一系列基于视网膜模型的图像分割方法不断提出，希望以模拟人眼视网膜的处理方式来处理复杂多变的背景环境。基于视网膜模型的图像分割方法有脉冲耦合神经网络(PCNN)，交叉视觉皮层(ICM)，改进的交叉视觉皮层(SICM)。PCNN是一个具有两次卷积五个方程的三层震荡网络，反馈神经元、连接神经元、内部驱动、动态阈值不断调整，使其不断接近欲达到的效果。ICM将PCNN简化为只受状态和阈值影响的一个具有一次卷积三个方程的两层震荡网络，提高了模型的运行速度以及实用性。SICM进一步对ICM改进，将ICM中的参数由手动设置改进为依据环境自适应调整，并将迭代方向调整为向具有最大信息(MI)的方向迭代。但是以上方法在有噪声的情况下对图像提取准确率低、计算速度慢。

发明内容

本发明的目的是为了解决现有技术在有噪声的情况下对图像提取准确率低、计算速度慢的问题，而提出基于伪彩色编码与DISCOV编码的图像分割算法。

基于伪彩色编码与DISCOV编码的图像分割方法具体过程为：

步骤一、获取图像数据，对图像数据进行灰度处理，得到灰度处理后的图像，对灰度处理后的图像进行加噪声处理，得到一个加噪声后的图像；

所加噪声满足条件为：图像的信号功率与噪声的功率之比为4；

步骤二、对步骤一得到的加噪声后的图像依据3σ准则剔除异常值，得到剔除异常值后的图像；

步骤三、对剔除异常值后的图像进行伪彩色编码，得到伪彩色编码图像；

伪彩色编码图像为RGB三维通道；

步骤四、将伪彩色编码图像R、G、B送入DISCOV，对伪彩色编码图像采用单对立元件编码中的RG编码；

DISCOV为无维分流颜色视觉模型；

RG编码为R通道为中心区域，G通道是边缘区域；

步骤五、采用Otsu法将RG编码系数分割为0或1；

Otsu为最大类间方差。

本发明的有益效果为：

本发明结合颜色信息与视网膜模型——无维分流函数DISCOV编码提出了一种伪彩色DISCOV编码方法，将增加的色彩多通道信息用DISCOV分析编码，该方法引入了生物神经学的思想，不仅可以实现目标区域分割，还从生物神经学的角度量化分析了每个点与周围环境之间的关系。伪彩色将256级的灰度级提升至三通道的RGB颜色中，提升了图像的信息量。DISCOV编码充分利用了信息，将色彩对比度信息融合进视网膜模型中，结合最大类间方差分类方法，在准确率、目标区域内部一致性、目标与背景对比度、图像分割信息传递的综合分析中，具有最好的分割效果；提高了图像提取准确率和计算速度。

对于数据图像a1_img026，ICM方法F值为0.4488，UM值为0.8450，GLC值为0.3281，MI值为0.1505，对图像分割后的分割质量为0.0187；

对于数据图像a1_img026，SICM方法F值为0.5583，UM值为0.7524，GLC值为0.6885，MI值为0.0689，对图像分割后的分割质量为0.0199；

对于数据图像a1_img026，FCM方法F值为0.3339，UM值为0.8668，GLC值为0.9114，MI值为0.0114，对图像分割后的分割质量为0.0030；

对于数据图像a1_img026，本发明方法F值为0.8418，UM值为0.9186，GLC值为0.8807，MI值为0.3805，对图像分割后的分割质量为0.2591；

得出本发明方法在相同条件下，具有较高的F值、UM值、GLC值、MI值和分割质量；

F为准确率，UM为区域一致性，GLC为区域对比度，MI为信息交互性；

如图2a、2b、2c、2d得出利用四种方法对飞机图形数据‘a1_img000’数据图像分割效果图,ICM与本文的方法都能较好的提取目标区域的轮廓，但本发明方法受到到干扰的影响最小。

结合图2a、2b、2c、2d及表1说明本发明方法在有噪声的情况下对图像提取准确率高。

附图说明

图1a为飞机数据‘a1_img000’原始图像示意图；

图1b为对飞机数据‘a1_img000’原始图像加噪声后的图像示意图；