[发明专利]一种基于LBP和链码技术的图像分割方法

说明书

本发明公开了一种基于LBP算子和链码技术的图像分割方法，包括以下步骤：步骤1、对图像进行预处理，得到含有纹理特征的图像；步骤2、通过旋转不变的LBP算子得到LBP特征值；步骤3、选取LBP特征值最小的值作为旋转状态下的LBP算子，按照LBP算子对图像进行处理获得效果图；步骤4、对步骤3的效果图进行噪点滤波；步骤5、通过Freeman链码确定分割区域。本发明中配合链码检测通过多个特征的提取和分类来改善边缘的不连续性问题。

技术领域

本发明涉及图像处理、图像分割、特征处理等技术领域，具体为一种基于LBP和链码技术的图像分割方法。

背景技术

图像分割(image segmentation)技术是计算机视觉领域的各个重要的研究方向，是图像语义理解的重要一环。图像分割是指将图像分成若干具有相似性质的区域的过程，从数学角度来看，图像分割是将图像划分成互不相交的区域的过程。近些年来随着深度学习技术的逐步深入，图像分割技术有了突飞猛进的发展，该技术相关的场景物体分割、人体前、背景分割、人脸人体Parsing、三维重建等技术已经在无人驾驶、增强现实、安防监控等行业都得到广泛的应用。

图像分割是图像处理领域中的关键问题之一，是中层视觉中的最基本问题，也是国际学术界公认的将会长期存在的最困难的问题之一，尽管它一直受到科研人员的重视，虽然研究人员已经提出了大量的分割方法，但是它还是发展很慢，被认为是图像处理学科的一个瓶颈。图像分割不止是一个图像特征提取问题，还涉及到各种图像特征的组织结构，分割的难点在于实际应用中图像内容复杂多变，无法用通用的模型来描述。

所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提.同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。

阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术.已被应用于很多的领域，例如，在红外技术应用中，红外无损检测中红外热图像的分割，红外成像跟踪系统中目标的分割；在遥感应用中，合成孔径雷达图像中目标的分割等；在医学应用中，血液细胞图像的分割，磁共振图像的分割；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割。在工业生产中，机器视觉运用于产品质量检测等等。在这些应用中，分割是对图像进一步分析、识别的前提，分割的准确性将直接影响后续任务的有效性，其中阈值的选取是图像阈值分割方法中的关键技术。

图像分割技术的方法基于边缘的分割依赖于边缘检测算子，例如：Sobel算子、Prewitt算子和Canny算子等，根据图像在灰度、色彩、纹理等方面发生的突变，检测出图像边缘。但是通过边缘检测得到的图像结果并不能用作分割结果，必须按一定策略如边缘松弛法或边缘跟踪等连接成轮廓，从而构成分割区域。并且在上述算子中除了Canny算子以外，其他的算子都对噪声比较敏感，进行边缘检测前需要大量的预处理工作，所以在基于边缘分割方面，主要的研究热点在于对微分算子的改进，集中于以下两个方面：1、边缘检测对噪声敏感，因此边缘检测算法的研究一方面在于提高边缘算子的抗噪性；2、边缘检测算法检测到的边缘连续性不好，因此研究如何检测出更加吻合的真实边缘也是另一个重要的方面。

近年来，学者开始将研究转向多尺度，多方向，多特征融合的边缘检测算法，对图像的结构边缘进行优化检测。配合局部二值模式的链码检测正是这一研究方向下的实践。本方法通过多个特征的提取和分类来改善边缘的不连续性问题，通过多尺度的局部二值模式考虑图像的全局信息，强调边缘的一致性和连续性。而且LBP的理论基础简单，比起上述边缘检测算法来说复杂度低，运算量小，大大加快图像分割的速度从而提高效率。

发明内容