[发明专利]一种佛像类唐卡一致性破损区域的自动分割方法

摘要

本发明提供了一种佛像类唐卡一致性破损区域的自动分割方法，首先对唐卡图像的头光区域进行垂直投影，利用一维函数对称性检测方法得到图像的对称轴，采用基于对称轴的分块分割方法得到初始分割结果；接着获取破损区域所覆盖的图像；然后利用Gabor变换提取纹理特征，结合Lab空间颜色特征，构造多尺度多特征集合，采用KNN分类得到二次分割结果；最后利用形态学运算对破损区域进行进一步细化，通过将小的破损区域去除，最终获得一致性破损区域的模板。本发明方法可以自动分割出佛像类唐卡图像中出现的各类较大尺度的线状和块状脱落区域等，而且分割速度快、效率高且精确度高，实现了唐卡图像破损区域的快速自动分割。

主权项

1.一种佛像类唐卡一致性破损区域的自动分割方法，其特征在于，首先对唐卡图像的头光区域进行垂直投影，利用一维函数对称性检测方法得到图像的对称轴，采用基于对称轴的分块分割方法得到初始分割结果；接着获取破损区域所覆盖的图像；然后利用Gabor变换提取纹理特征，结合Lab空间颜色特征，构造多尺度多特征集合，采用KNN分类得到二次分割结果；最后利用形态学运算对破损区域进行进一步细化，通过将小的破损区域去除，最终获得一致性破损区域的模板，具体步骤如下：a.选定头部区域经过数字化得到的待分割的唐卡原始图像是彩色图像，记为F(x,y)，采取手工选定或计算机选定的方式得到图像中佛像的头部区域t(x,y)；b.检测对称轴利用基于划分的聚类算法k‑means对头部区域t(x,y)进行分割，得到唐卡图像的头光区域，通过垂直投影的方法得到头光区域的一维函数，利用一维函数对称性检测算法得到头光区域的对称轴l，对称轴l即为整幅图像的对称轴；c.基于对称性的分块采样初次分割c.1唐卡图像分块将原始的待分割图像F(x,y)进行图像的灰度化处理，得到灰度化图像f(x,y)；唐卡图像一般为左右对称，故以对称轴l为轴，可以将图像分为左半部分f左和右半部分f右；然后以对称轴l为基准从图像顶端开始分别向左右边界延伸，进行分块采样；步骤如下：c.1.1选择左边区域图像块S左从f(x,y)的顶端开始，以对称轴l为基准向左依次选取图像块S_左1、S_左2…S_左N，图像块的大小均为的像素块；c.1.2选择右边区域图像块S右从f(x,y)的顶端开始，以对称轴l为基准向右依次选取图像块S_右1、S_右2…S_右N，图像块的大小均为的像素块；c.1.3合并得到分块S将关于对称轴l相对称的S左i和S右i进行合并可以得到大小为m×n的分块Sm×n＝[S左i S右i]，i＝1,2,…N；以对称轴为基准，从上到下，将以上步骤c.1.1至步骤c.1.3重复，直到将唐卡图像f(x,y)表示成M个大小相同的图像块Sm×n的集合；c.2对分块采样后的子图像块进行分割经过步骤c.1，图像f(x,y)可表示为M个大小相同的图像块Sm×n的集合，即f(x,y)＝{Si|i＝1,2,…M}；然后采用阈值法对每个子图像块Sm×n进行图像分割，对于子图像块Sm×n中的所有像素点，若其灰度值大于阈值t，则标记为前景即目标，并用1表示；若其灰度值小于阈值t，则标记为背景，并用0表示；d.获取覆盖区域在完成对所有子图像块分割之后，将每个子图像块分割的结果合并得到破损唐卡图像的初始分割结果，这里记为h(x,y)，这时破损区域的全部信息就都已经包含在步骤c得到的背景部分中了，根据步骤c得到的分割结果，获得基于对称性分块分割覆盖的灰度图像f分割(x,y)和彩色图像f分割(x,y)′，其中：f分割(x,y)＝f(x,y)*h(x,y)f分割(x,y)′＝F(x,y)*h(x,y)e.图像特征提取e.1提取图像Gabor纹理特征利用Gabor滤波器提取图像的纹理特征，将步骤d得到的灰度图像与Gabor小波滤波器组卷积得到：m(x,y)＝f分割(x,y)*g(x,y)  (11)其中，g(x,y)是Gabor滤波函数，定义为：式中，λ是正弦函数波长，θ是Gabor核函数的方向，是相位偏移，σ为高斯函数的标准差，γ为空间的方面比也即Gabor核高斯函数的纵横比，且γ的范围值在0.23～0.92之间，x,y是给定位置的图像坐标，x',y'是旋转之后的坐标；通过改变这些参数，可以得到一组不同波长、不同尺度和不同方向的纹理特征，并作为最终的图像纹理特征feature_texture；e.2提取颜色特征首先将待分割破损唐卡图像f分割(x,y)′从RGB空间转换为CIE Lab颜色空间，然后再提取颜色特征进行处理：e.2.1色彩空间转换RGB空间转换为CIE Lab颜色空间的具体过程为则CIE Lab空间的亮度L分量，以及有关色彩的a，b分量分别表示为：其中，(X0,Y0,Z0)为标准白色的刺激值；e.2.2获得颜色特征通过颜色特征转化得到颜色特征向量feature_color＝{L,a,b}；e.3提取纹理和颜色特征将步骤e.1获取的纹理特征feature_texture和步骤e.2获取的颜色特征feature_color最终构成融合纹理特征和颜色特征的特征集合feature＝{feature_texture,feature_color}；f.多尺度多特征融合得到二次分割结果f.1归一化特征对步骤e提取的融合纹理特征和颜色特征的特征集合采用高斯归一化方法进行归一化处理，高斯归一化公式如式(18)所示：式中，1≤i≤M，M为特征集合feature所包含的特征数量，uFij表示第i个特征向量的第j维分量，uFj和σFj分别表示第j维分量的期望和方差；f.2基于多尺度多特征融合的分类采用基于划分的聚类算法k‑means再次分割破损区域，破损区域的样本集合为步骤f.1得到的经过归一化后的特征集合，以此得到图像的二次分割结果；g.形态学运算g.1开运算二次分割得到的结果存在大量小的破损区域以及破损区域之间的粘连，采用先腐蚀后膨胀的过程即开运算对步骤f.2得到的分类结果进行处理，用以消除小的破损区域、在纤细点处分离破损区域、平滑较大破损区域的边界，并同时不明显改变其面积，其中：腐蚀操作为：膨胀操作为：式中，B(x)为结构元素，结构元素在形态变换中的作用相当于信号处理中的“滤波窗口”，这里采用3×3的全1模板；E为步骤f.2得到的结果图像；g.2闭运算先膨胀后腐蚀的过程称为闭运算，用来填充破损区域内细小空洞、连接邻近破损区域、平滑破损区域边界，并同时不明显改变其面积；且步骤g.2中的膨胀和腐蚀操作同步骤g.1；h.去除小面积破损区域统计步骤g.2得到的不同破损区域中像素点的个数mi，将mi<ε的分类区域去除，其中，ε的取值为30～50之间。