復(fù)雜背景下彩色數(shù)字圖像分割算法研究

(平頂山學(xué)院 信息工程學(xué)院，河南 平頂山 467000)

復(fù)雜背景下彩色數(shù)字圖像分割算法研究

王亞飛

(平頂山學(xué)院信息工程學(xué)院，河南平頂山467000)

為了提高復(fù)雜背景下彩色數(shù)字圖像分割的準(zhǔn)確率，減少噪聲對(duì)圖像處理的干擾，盡可能的縮短運(yùn)行時(shí)間，需要對(duì)復(fù)雜背景下彩色數(shù)字圖像分割算法進(jìn)行研究；當(dāng)前圖像分割算法在彩色數(shù)字圖像分割的過程中，僅僅考慮了圖像像素的亮度值，沒有考慮其空間特征，存在計(jì)算的復(fù)雜性過大等缺陷，影響彩色數(shù)字圖像處理效果；為此，提出了一種基于隨機(jī)權(quán)重粒子群的復(fù)雜背景下彩色數(shù)字圖像分割算法；該算法先采用多尺度均勻?yàn)V波方法，對(duì)復(fù)雜背景下彩色數(shù)據(jù)圖像進(jìn)行劃分，其中包含噪聲和不含噪聲的像素點(diǎn)的亮度值、結(jié)構(gòu)元素以及局部區(qū)域內(nèi)的圖像像素加權(quán)亮度密度特征；采用多段圖分割獲取彩色數(shù)字圖像的優(yōu)化分割，在平滑項(xiàng)中代入彩色數(shù)字圖像梯度信息，對(duì)彩色數(shù)字圖像分割結(jié)果中的弱邊界進(jìn)行剔除，從而實(shí)現(xiàn)準(zhǔn)確的彩色數(shù)字圖像分割；實(shí)驗(yàn)仿真證明，所提算法增加了彩色數(shù)字圖像分割的對(duì)比度和信噪比，提高了復(fù)雜背景下彩色數(shù)字圖像分割的準(zhǔn)確性。

復(fù)雜背景；彩色數(shù)字圖像分割；算法

0 引言

隨著當(dāng)前科技水平的不斷發(fā)展，圖像分割已經(jīng)成為各個(gè)行業(yè)中必不可少的輔助方法[1]。圖像分割有著特別廣泛的應(yīng)用，例如工業(yè)上自動(dòng)化生產(chǎn)、生產(chǎn)過程中的控制、人臉識(shí)別、指紋識(shí)別、行人檢測(cè)、機(jī)器視覺、保安的監(jiān)視，以及軍事和體育等方面[2-3]。由于圖像分割具有精確性、全面性等特點(diǎn)，大多數(shù)的彩色數(shù)字圖像分割在進(jìn)行各領(lǐng)域的圖形分割時(shí)無法精確詳細(xì)的對(duì)其進(jìn)行分割[4]。在這種情況下，如何提高復(fù)雜背景下彩色數(shù)字圖像分割的精確性成為了急需解決的問題[5]。而基于隨機(jī)權(quán)重粒子群的復(fù)雜背景下彩色數(shù)字圖像分割算法可以對(duì)彩色數(shù)字圖像進(jìn)行快速的收斂，能有效地克服彩色數(shù)字圖像只能局部分割的這個(gè)缺點(diǎn)，圖像分割效果可以得到明顯的改善，該算法具有很好的分割效果和效率。是解決上述問題的有效途徑，成為了當(dāng)今彩色數(shù)字圖像分割研究學(xué)者關(guān)注的焦點(diǎn)問題，同時(shí)也獲得了很多優(yōu)秀的成果[6]。

文獻(xiàn)[7]提出了基于Mumford-Shah的復(fù)雜背景下彩色數(shù)字圖像分割算法。首先利用C-V算法的偏微分方程，快速的計(jì)算出最優(yōu)分割點(diǎn)，通過源點(diǎn)映射掃描來計(jì)算出符號(hào)距離函數(shù)，克服常規(guī)的水平集算法，建構(gòu)符號(hào)的距離函數(shù)，計(jì)算其最大缺點(diǎn)，此算法提高了分割的穩(wěn)定性，分割效率較高，但存在彩色數(shù)字分割精度較低的問題。文獻(xiàn)[8]提出了一種基于OTSU的復(fù)雜背景下彩色數(shù)字圖像分割算法。該算法首先與數(shù)學(xué)形態(tài)學(xué)相結(jié)合，對(duì)彩色數(shù)字圖像缺陷部分進(jìn)行分割，提取彩色數(shù)字圖像的缺陷邊緣，使獲得的彩色數(shù)字圖像分割結(jié)果更加的清晰連貫。該算法能夠有效提高圖像可視性與準(zhǔn)確性，但存在顏色彩飽度(%)純度較低的問題。文獻(xiàn)[9]提出了一種基于粗糙集的復(fù)雜背景下彩色數(shù)字圖像分割算法。該算法首先引入粗糙集模糊來對(duì)彩色數(shù)字圖像進(jìn)行聚類，通過差分免疫克隆聚類算法中的硬聚類至模糊聚類演變過程，獲得更加豐富的彩色數(shù)字圖像聚類信息，最后對(duì)得到的彩色數(shù)字圖像進(jìn)行優(yōu)化分割。該算法可有效提升復(fù)雜背景下彩色數(shù)字圖像分割的正確率，但是算法流程過于復(fù)雜，操作不當(dāng)便會(huì)引起圖像分割不明確的情況[10]。

針對(duì)上述產(chǎn)生的問題，提出一種基于隨機(jī)權(quán)重粒子群的復(fù)雜背景下彩色數(shù)字圖像分割算法。仿真實(shí)驗(yàn)證明，所提算法提高了彩色數(shù)字圖像分割的準(zhǔn)確性，增強(qiáng)了彩色數(shù)字圖像分割的靈活性，可滿足復(fù)雜背景下彩色數(shù)字圖像分割的需要，為復(fù)雜背景下彩色數(shù)字圖像分割算法的優(yōu)化提供了可靠依據(jù)。

1 復(fù)雜背景下彩色數(shù)字圖像分割算法

1.1 彩色數(shù)字圖像增強(qiáng)

彩色數(shù)字圖像增強(qiáng)對(duì)數(shù)字圖像分割起到至關(guān)重要的作用，為了防止彩色數(shù)字圖像的噪聲影響到圖像分割效果，需要對(duì)彩色數(shù)字多噪圖像先進(jìn)行去噪的操作，利用多尺度非均勻?yàn)V波算法去噪時(shí)，必須找到噪聲區(qū)域內(nèi)的像素點(diǎn)特征，彩色數(shù)字圖像含噪聲彩色數(shù)字圖像區(qū)域內(nèi)的圖像像素點(diǎn)亮度值以及像素亮度的密度與不含噪聲的區(qū)域有明顯的區(qū)別，此外，圖像像素點(diǎn)的結(jié)構(gòu)元素也存在不停程度的差別。具體增強(qiáng)過程描述如下[11]：

假設(shè)彩色數(shù)字圖像不含噪聲g處的像素點(diǎn)的亮度值為I(g)，含噪聲h處的圖像像素點(diǎn)的亮度值為I(h)。則不含噪聲彩色數(shù)字圖像像素點(diǎn)和含噪聲圖像像素點(diǎn)之間亮度值差的加權(quán)值λ：

(1)

其中：N(g)、N(h)分別為彩色數(shù)字圖像不含噪聲g處和彩色數(shù)字圖像含噪聲h處的圖像像素點(diǎn)的個(gè)數(shù)。假設(shè)一個(gè)彩色數(shù)字圖像像素亮度值的閾值為T，并用其作為衡量彩色數(shù)字圖像像素亮度值標(biāo)準(zhǔn)，區(qū)分彩色數(shù)字圖像含噪像素點(diǎn)與不含噪像素點(diǎn)，利用彩色數(shù)字圖像像素的維度求解方式對(duì)其求解，公式如下：

(2)

其中：α表示彩色數(shù)字圖像像素亮度值尺度因子。對(duì)于每一彩色數(shù)字圖像像素亮度值尺度，都需要計(jì)算出彩色數(shù)字圖像像素亮度值尺度因子α的大?。?/p>

(3)

其中：K為尺度數(shù)，I(l)為在l尺度彩色數(shù)字圖像像素亮度值。

通過彩色數(shù)字圖像像素點(diǎn)亮度值的結(jié)構(gòu)元素，可以對(duì)彩色數(shù)字圖像含噪和彩色數(shù)字圖像不含噪的圖像像素點(diǎn)進(jìn)行區(qū)分并去噪，保證在復(fù)雜背景下進(jìn)行彩色數(shù)字圖像分割時(shí)分割精度不受噪聲干擾。

1.2 彩色數(shù)字圖像分割

(4)

其中:N是一個(gè)4鄰域系統(tǒng)，DP和Vp,q分別表示彩色數(shù)字圖像數(shù)據(jù)項(xiàng)和彩色數(shù)字圖像平滑項(xiàng)，并通過彩色數(shù)字圖像分割系數(shù)γ(γ≥0)調(diào)整兩者之間的權(quán)重比。利用非參數(shù)對(duì)彩色數(shù)字圖像特征進(jìn)行空間分割，非參數(shù)數(shù)據(jù)項(xiàng)可定義為：

(5)

而彩色數(shù)字圖像平滑項(xiàng)多數(shù)定義為標(biāo)準(zhǔn)的Potts，為了進(jìn)一步確定彩色數(shù)字圖像的最佳分割方向，在彩色數(shù)字圖像平滑項(xiàng)中加入彩色梯度信息：

(6)

(7)

彩色數(shù)字圖像分割中心ml可重新定義為：

(8)

其中:li表示彩色數(shù)字圖像分割第l個(gè)分割中第i個(gè)區(qū)域(組件)，mli是該彩色數(shù)字圖像組件中的均值，nli表示該彩色數(shù)字圖像分割區(qū)域中像素點(diǎn)的個(gè)數(shù)。由此可知，彩色數(shù)字圖像數(shù)據(jù)項(xiàng)是彩色數(shù)字圖像像素到其中間距的最小值。

根據(jù)以上彩色數(shù)字圖像分割的各種數(shù)據(jù)，可以得知彩色數(shù)字圖像的特征空間分割可以將彩色數(shù)字圖像的分割更加的精確。彩色數(shù)字圖像數(shù)據(jù)項(xiàng)和平滑項(xiàng)對(duì)彩色數(shù)字圖像分割的平穩(wěn)性具有較大作用，而在彩色數(shù)字圖像平滑項(xiàng)中加入的彩色梯度和數(shù)據(jù)項(xiàng)標(biāo)簽數(shù)呈非遞增狀態(tài)，這更加大了彩色數(shù)字圖像分割的細(xì)化程度和靈活度，為復(fù)雜背景下彩色數(shù)字圖像分割提供了有效依據(jù)。

2 實(shí)驗(yàn)仿真與分析

為了證明基于隨機(jī)權(quán)重粒子群的復(fù)雜背景下彩色數(shù)字圖像分割算法的有效性。需要進(jìn)行一次仿真實(shí)驗(yàn)。在Matlab的環(huán)境下搭建彩色數(shù)字圖像分割實(shí)驗(yàn)仿真平臺(tái)。實(shí)驗(yàn)數(shù)據(jù)取自于Berkeley分割數(shù)據(jù)庫中的50幅彩色數(shù)字圖像，圖像分辨率為300 dpi，在進(jìn)行仿真實(shí)驗(yàn)過程中，先將復(fù)雜背景下彩色數(shù)字圖像分割的亮度值矩陣轉(zhuǎn)換成清晰度矩陣，從而可以更好的對(duì)彩色數(shù)字圖像目標(biāo)和彩色數(shù)字圖像背景存有遠(yuǎn)近差異的圖像進(jìn)行處理。

2.1 復(fù)雜背景下彩色數(shù)字圖像分割的絕對(duì)誤差率

(9)

(10)

復(fù)雜背景下彩色數(shù)字圖像分割的絕對(duì)誤差越小，表示彩色數(shù)字圖像分割的質(zhì)量越好，分割算法的性能越好。各種算法提取的彩色數(shù)字圖像像素個(gè)數(shù)、彩色數(shù)字圖像分割的絕對(duì)誤差以及絕對(duì)誤差率比較結(jié)果如表1所示。

表1 彩色數(shù)字圖像分割算法各重要因素對(duì)比

從表1可以看出，本文提出的基于隨機(jī)權(quán)重粒子群彩色數(shù)字圖像分割算法優(yōu)于其它圖像分割算法。在彩色數(shù)字圖像分割時(shí)彩色數(shù)字圖像特性差別可能非常的明顯，也可能特別細(xì)微，肉眼是察覺不出來的。隨著現(xiàn)代彩色數(shù)字圖像分割技術(shù)的發(fā)展，人們可以通過不同分割算法來獲取進(jìn)而處理圖像信息。圖像識(shí)別的基礎(chǔ)就是圖像分割，它的作用是反映物體真實(shí)情況并且具有不同特性的目標(biāo)區(qū)別開來。圖像分割是圖像識(shí)別和圖像理解的基本前提步驟，彩色數(shù)字圖像的分割質(zhì)量直接影響著后續(xù)圖像處理的效果。因此，基于隨機(jī)權(quán)重粒子群的復(fù)雜背景下彩色數(shù)字圖像分割算法誤差率小，分割更為精確。

2.2 復(fù)雜背景下彩色數(shù)字圖像分割亮度清晰度對(duì)比

彩色數(shù)字圖像分割清晰度，是人們從主觀上描述彩色數(shù)字圖像分割質(zhì)量最直觀的感受。彩色數(shù)字圖像分割的好壞與其清晰度有直接關(guān)系，彩色數(shù)字圖像分割清晰度好的圖像包含特別豐富的細(xì)節(jié)信息。比較2種不同復(fù)雜背景下彩色數(shù)字圖像分割的亮度(mcd)、清晰度(ppi)，利用比較的結(jié)果衡量2種不同算法進(jìn)行復(fù)雜背景下彩色數(shù)字圖像分割的有效性，對(duì)比結(jié)果見圖1和圖2。

圖1 不同圖像分割算法彩色數(shù)字圖像亮度對(duì)比圖 圖2 不同圖像分割算法彩色數(shù)字圖像清晰度對(duì)比圖

分析圖1、圖2可知，利用改進(jìn)的彩色數(shù)字圖像分割算法進(jìn)行分割時(shí)，達(dá)到了預(yù)期的精度。而且在不同圖像分割算法彩色數(shù)字圖像亮度與清晰度的對(duì)比下，更加確定了基于隨機(jī)權(quán)重粒子群的彩色數(shù)字圖像分割算法具有有效性、確定性、全面性、靈活性等優(yōu)點(diǎn)。提高了復(fù)雜背景下彩色數(shù)字圖像分割的快速性，而彩色數(shù)字圖像的分割隨著圖像亮度和清晰度的增加也增強(qiáng)了分割的精確度，為彩色數(shù)字圖像分割提供了方便快捷的通道。保障了改進(jìn)算法對(duì)彩色數(shù)字圖像進(jìn)行分割時(shí)的平穩(wěn)性。

仿真實(shí)驗(yàn)證明，所提算法可以精確地對(duì)復(fù)雜環(huán)境下彩色數(shù)字圖像進(jìn)行分割。

3 結(jié)束語

采用當(dāng)前算法對(duì)復(fù)雜背景下彩色數(shù)字圖像進(jìn)行分割時(shí)，僅僅考慮了圖像像素的亮度值，沒有考慮其空間特征以及計(jì)算復(fù)雜性過大等缺陷。提出一種基于隨機(jī)權(quán)重粒子群的彩色數(shù)字圖像分割算法。通過仿真實(shí)驗(yàn)證明，所提算法可以精確地對(duì)復(fù)雜環(huán)背景下彩色數(shù)字圖像進(jìn)行分割，為未來圖像分割研究提供了良好的應(yīng)用價(jià)值。

[1] 唐利明,田學(xué)全,黃大榮,等.結(jié)合FCMS與變分水平集的圖像分割模型[J].Acta Automatica Sinica,2014,40(6):1233-1248.

[2] 詹 曙,胡德鳳,蔣建國.結(jié)合GLWT和LBP提取紋理特征的圖像分割[J].電子測(cè)量與儀器學(xué)報(bào),2014,28(2):198-202.

[3] 陳 愷,陳 芳,戴 敏,等.基于螢火蟲算法的二維熵多閾值快速圖像分割[J].光學(xué)精密工程,2014,22(2):517-523.

[4] 戴天虹,吳 以.基于OTSU算法與數(shù)學(xué)形態(tài)學(xué)的木材缺陷圖像分割[J].森林工程,2014,30(2):52-55.

[5] 朱靜嫻,陸 南,馮金金.Android手機(jī)圖像版權(quán)保護(hù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電子設(shè)計(jì)工程,2016,24(21):184-187.

[6] 劉建磊,隋青美,朱文興.結(jié)合概率密度函數(shù)和主動(dòng)輪廓模型的磁共振圖像分割[J].光學(xué)精密工程,2014,22(12):3435-3443.

[7] 趙雪梅,李 玉,趙泉華.結(jié)合高斯回歸模型和隱馬爾可夫隨機(jī)場(chǎng)的模糊聚類圖像分割[J].電子與信息學(xué)報(bào),2014,36(11):2730-2736.

[8] 張 毅,王福龍.基于小波變換的分水嶺圖像分割[J].小型微型計(jì)算機(jī)系統(tǒng),2014,35(6):1382-1386.

[9] 王荔霞,謝維信,裴繼紅.多高斯模型特征空間覆蓋學(xué)習(xí)的海洋航攝圖像分割[J].電子學(xué)報(bào),2014,42(10):2117-2122.

[10] 鄭 毅,鄭 蘋.基于模糊熵和模擬退火算法的雙閾值圖像分割[J].電子測(cè)量與儀器學(xué)報(bào),2014,28(4):360-367.

[11] 齊興斌, 趙 麗, 李雪梅. 基于BIRCH聚類加速的彩色圖像增強(qiáng)算法[J]. 計(jì)算機(jī)測(cè)量與控制, 2016, 24(4):137-140.

ColorDigitalImageSegmentationAlgorithmResearchUnderComplicatedBackground

Wang Yafei

(Information Engineering College, Pingdingshan University,Pingdingshan 467000,China)

In order to improve the accuracy of color digital image segmentation under complex background, reduce the noise interference in image processing, as far as possible to shorten the running time, the need for complex background color image segmentation algorithm. The process of the current image segmentation algorithm in digital color image, only considering the brightness of image pixel values, without considering the spatial characteristics of the defects, the computational complexity is too large, affecting color digital image processing effect. For this reason, a color digital image segmentation algorithm based on random weight particle swarm is proposed. This algorithm adopts multi-scale filtering method to classify the data uniform, color image under complex background, which contains the brightness noise and non noise pixel values, structure elements and the local area of the image pixel intensity weighted density features. Optimization of multi segment graph segmentation segmentation for color digital image, using gradient information of color digital image in the smoothing term, weak boundary of color digital image segmentation results are removed, so as to achieve accurate segmentation of color digital image. Experimental results show that the proposed algorithm increases the contrast and signal-to-noise ratio of color digital image segmentation, and improves the accuracy of color digital image segmentation in complex background.

complicated background; color digital image segmentation; algorithm

2017-03-15；

2017-04-12。

王亞飛(1981-)，女，河南平頂山人，碩士研究生，講師，主要從事計(jì)算機(jī)應(yīng)用、網(wǎng)絡(luò)安全方向的研究。

1671-4598(2017)09-0200-03

10.16526/j.cnki.11-4762/tp.2017.09.051

TN929

A