基于K值估计的K-Means水下图像背景分割改进算法制造技术

本发明专利技术公开了基于K值估计的K‑Means水下图像背景分割改进算法，属于水下图像背景分割算法技术，包括以下处理步骤：S1、色彩调整；S2、灰度级量化：(a)K‑Means灰度级量化；(b)基于K‑Means算法的图像灰度级量化；(c)改进基于K‑Means算法的图像灰度级量化；S3背景判决与分割：(a)基于图像背景色彩特征的背景判决；(b)基于图像背景频域特征的背景判决；(c)基于图像背景空域特征的背景判决；(d)背景分割，通过估计K‑Means分类的K值，即分类个数及中心，改进了基于K‑Means算法的水下图像背景分割操作，从而提高了水下图像背景分割算法的准确性。

An improved K-Means underwater image background segmentation algorithm based on K-value estimation

【技术实现步骤摘要】
基于K值估计的K-Means水下图像背景分割改进算法
本专利技术涉及水下图像背景分割算法技术，更具体地说，涉及基于K值估计的K-Means水下图像背景分割改进算法。
技术介绍
光在水中传输时，发生吸收和散射现象，造成光能在水中衰减程度较大，致使水下光成像的观察距离减小，水下图像具有非均匀亮度，细节模糊，图像对比度差，偏色等问题，这也为水下图像处理增加了不少难度，故而在进行水下图像背景分割处理前需要对水下图像进行增强处理，以改善偏色和非均匀亮度对背景分割处理的不利影响。背景分割是一类特殊的数字图像分割，也就是从无关的背景中提取出感兴趣的目标，背景分割可大大减少原始图像中的冗余数据，特别是在拥有巨大数据量的可视人图像中，去掉冗余数据是一种非常重要的操作，否则后期的图像处理将是一个工作量极其巨大的任务。现有的背景分割算法包括，基于直方图阈值化的背景分割与基于边缘检测的背景分割。阈值分割算法是一种简单，易实施的图像分割处理，该算法通过设定一个阈值，作为图像分割的依据，大于阈值的像素灰度级为最大灰度级，相反则为最低灰度级，从而将图像分成若干有意义的区域，该算法的核心在于如何确定灰度阈值，一般根据图像的灰度直方图特征来选择，阈值分割算法具有简单易实施，计算量小，分割速度快的特点，在图像灰度级对比度高的情况下，阈值分割算法可以得到较好的图像分割效果，与直方图阈值分割不同，边缘检测的背景分割算法是基于图像边缘检测的分割处理算法，边缘信息属于图像的高频部分，它是反映图像空域结构信息，如物体轮廓形状等，通过边缘检测算法可以获得物体边缘信息，描绘出目标物体所在区域，使计算机可以清楚的识别目标物体，基于边缘检测的背景分割算法对于边缘明显且图像平滑区域噪声较少的图像可以取得很好的效果，但是在水下图像背景分割处理当中，因水下图像非均匀亮度，细节模糊，图像对比度差，偏色等特点。基于直方图阈值化的背景分割与基于边缘检测的背景分割均不能得到理想效果，基于直方图阈值化的背景分割算法往往只考虑图像灰度级的统计特性而常常忽视图像的空域结构，特别是图像的纹理特征等有用信息，而且对噪声很敏感，往往经过直方图阈值分割的图像会增大椒盐噪声，特别是在低亮度，低对比度的情况下，图像分割效果很不理想。当图像中边缘模糊或存在的较多高频噪声时，基于边缘检测的分割算法往往不能得到预期效果，比如会因模糊区域边缘的不连续性而错误去除了前景图像，或因图像高频噪声而导致输出图像出现伪区域，即在实际存在边界的地方却没有出现边缘，而在本没有边缘的区域因噪声而存在了边缘，因水下图像存在的边缘模糊，对比度亮度低，基于直方图阈值分割的背景分割算法和基于边缘检测的背景分割算法往往不能得到理想的结果。
技术实现思路
1.要解决的技术问题针对现有技术中存在的问题，本专利技术的目的在于提供基于K值估计的K-Means水下图像背景分割改进算法，它通过估计K-Means分类的K值，即分类个数及中心，改进了基于K-Means算法的水下图像背景分割操作，从而提高了水下图像背景分割算法的准确性。2.技术方案为解决上述问题，本专利技术采用如下的技术方案：请参阅图1-3，基于K值估计的K-Means水下图像背景分割改进算法，K-Means算法是一种无监督数据聚类算法，K值是K-Means算法的主要参数图像，图像背景分割是一种将图像背景去除的图像操作，包括以下处理步骤：S1、色彩调整；S2、灰度级量化：(a)K-Means灰度级量化；(b)基于K-Means算法的图像灰度级量化；(c)改进基于K-Means算法的图像灰度级量化；S3背景判决与分割：(a)基于图像背景色彩特征的背景判决；(b)基于图像背景频域特征的背景判决；(c)基于图像背景空域特征的背景判决；(d)背景分割。进一步的，色彩调整，使用比直方图均衡算法，同时采用Lab色彩校正算法，将RGB色彩图像转换为LAB色彩空间表达的图像，对A，B通道图像进行归一化处理。进一步的，K-Means灰度级量化，K-Means方法首先由程序员定义K个质心，即所期望的得到的数据簇的个数，再确定质心起始位置后，数据集合中的数据会被划分到距离最近的质心所在的数据簇中，接着在第一次划分所得到的各数据簇中计算该数据簇的质心，然后作为各个质心的更新值，一般采用均值法计算质心，重复数据划分与质心更新操作，直至划分的数据簇的质心位置不再发生变化，或变化距离小于某个值时，算法结束，由此获得K各数据簇以及各数据簇质心位置。进一步的，基于K-Means算法的图像灰度级量化，使用较少的灰度级表达一副图像以减少图像的内存开销。进一步的，改进基于K-Means算法的图像灰度级量化包括K-Means算法在图像灰度级量化中的K值估计和K-Means算法在图像灰度级量化中的目标灰度级估计。进一步，基于图像背景色彩特征的背景判决，将量化后的图像各灰度级像素分离，形成各灰度级掩模，将色彩调整后的图像转为HSV色彩空间，HSV空间是利用色度(H)，饱和度(S)和亮度(V)来定义色基于图像背景频域特征的背景判决。进一步的，基于图像背景频域特征的背景判决，通过分析图像某一区域各像素灰度级与其周围像素灰度级的灰度变化程度，判断该区域是否为背景。进一步的，基于图像背景空域特征的背景判决，通过定义平均离心度，表示各灰度级掩模像素位置偏离中心像素点程度，由此判断该掩模对应图像区域是否为背景。3.有益效果相比于现有技术，本专利技术的优点在于：本专利技术描述了一种用以水下图像背景分割的新方法，并获得较为完整的前景图像，通过实验证明，改进K-Means水下背景分割算法可以有效地将偏色，对比度低且边缘模糊的水下图像的背景分割，而传统算法如基于直方图阈值化的背景分割与基于边缘检测的背景分割因为水下图像的特点，往往不能得到令人满意的处理结果，而本专利技术描述的改进算法可以得到与人工处理较为一致的水下图像的前景图像。附图说明图1为本专利技术的流程图；图2为本专利技术灰度级量化处的功能框图；图3为本专利技术的背景判决与分割处的功能框图；图4为本专利技术的K-Means算法实施过程；图5为本专利技术的K-Means灰度级量化结果；图6为本专利技术的输入图像的直方图；图7为本专利技术的直方图均值模糊图；图8为本专利技术的估计K值图；图9本专利技术的质心估计图；图10本专利技术的估计直方图与量化后图像直方图；图11为本专利技术的收敛于局部最优解的量化图像；图12为本专利技术方法所得的图像量化结果；图13为本专利技术的背景掩模图；图14本专利技术的前景掩模图。具体实施方式下面将结合本专利技术实施例中的附图对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例：请参阅图1-3，基于K值估计的K-Means水下图像背景分割改进算法，K-Means算法是一种无监督数据聚类算法，K值是K-Means算法的主要参数图像，图像背景分割是一种将图像背景去除的图像操作，包括以下处理步骤：S1、色彩调整：水下图像因水体对可见光的吸收，散射使得水下图像具有非均匀亮度，细节模糊，图像对比度差，偏色等问题，本方法使用比直方图均衡算法来提高图像对比度并本文档来自技高网...

【技术保护点】
1.基于K值估计的K‑Means水下图像背景分割改进算法，K‑Means算法是一种无监督数据聚类算法，K值是K‑Means算法的主要参数图像，图像背景分割是一种将图像背景去除的图像操作，其特征在于：包括以下处理步骤：S1、色彩调整；S2、灰度级量化：(a)K‑Means灰度级量化；(b)基于K‑Means算法的图像灰度级量化；(c)改进基于K‑Means算法的图像灰度级量化；S3背景判决与分割：(a)基于图像背景色彩特征的背景判决；(b)基于图像背景频域特征的背景判决；(c)基于图像背景空域特征的背景判决；(d)背景分割。

【技术特征摘要】
1.基于K值估计的K-Means水下图像背景分割改进算法，K-Means算法是一种无监督数据聚类算法，K值是K-Means算法的主要参数图像，图像背景分割是一种将图像背景去除的图像操作，其特征在于：包括以下处理步骤：S1、色彩调整；S2、灰度级量化：(a)K-Means灰度级量化；(b)基于K-Means算法的图像灰度级量化；(c)改进基于K-Means算法的图像灰度级量化；S3背景判决与分割：(a)基于图像背景色彩特征的背景判决；(b)基于图像背景频域特征的背景判决；(c)基于图像背景空域特征的背景判决；(d)背景分割。2.根据权利要求1所述的基于K值估计的K-Means水下图像背景分割改进算法，其特征在于：色彩调整，使用比直方图均衡算法，同时采用Lab色彩校正算法，将RGB色彩图像转换为LAB色彩空间表达的图像，对A，B通道图像进行归一化处理。3.根据权利要求1所述的基于K值估计的K-Means水下图像背景分割改进算法，其特征在于：K-Means灰度级量化，K-Means方法首先由程序员定义K个质心，即所期望的得到的数据簇的个数，再确定质心起始位置后，数据集合中的数据会被划分到距离最近的质心所在的数据簇中，接着在第一次划分所得到的各数据簇中计算该数据簇的质心，然后作为各个质心的更新值，一般采用均值法计算质心，重复数据划分与质心更新操作，直至划分的数据簇的质心位置不再发生变化，或变化距离小于...

【专利技术属性】
技术研发人员：陈巍，郭铁铮，陈国军，夏细明，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏,32