一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法技术

本发明专利技术公开一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法。所述方法首先使用SLIC算法对图像进行预处理，得到超像素分割的结果。针对超像素分割的结果，计算不规则的超像素块之间的对比度以估计显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。然后用Canny算子提取显著图的区域边界，以显著性区域边界为初始曲线，构造初始水平集φ。对目前主动轮廓CV模型所存在的参数过多等问题进行改进，使用改进过的主动轮廓CV模型进一步处理紫外图像，最终得到准确理想的紫外分割图像。

【技术实现步骤摘要】
一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法
本专利技术涉及电力设备放电检测和图像处理领域，具体涉及一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法。
技术介绍
目前，紫外成像技术是检测线路外绝缘放电的重要手段，该技术能探测放电辐射出的波长为240-280nm波段的紫外光信号，输出放电紫外图像，并逐渐以光子数作为衡量放电强度的量化参数。但是，由于紫外图像中存在固有散粒噪声等所导致的白色噪声点，因此会影响对设备放电状态的评估，相应地，如何从紫外图像中分割获取实际放电区域并将其用于绝缘子放电状态的有效检测是该项技术的关键。现有的图像处理方法的共同特点是放电区域分割的准确度较低，需要迭代次数较多，计算时间较长，因此有必要进一步研究准确高效的紫外成像特征提取方法。
技术实现思路
有鉴于此，本专利技术的目的是提供一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法。能够克服传统的主动轮廓模型迭代次数过多，处理时间较长，精确度不够高的问题，把基于SLIC超像素分割的显著性检测算法和主动轮廓模型结合起来，并将主动轮廓模型进行改进，使图像分割精准度、分割速度得到了改善。本专利技术的目的是通过以下技术方案实现的：。该种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法，包括以下步骤：步骤S1：利用简单线性迭代聚类方法对原始紫外图像进行超像素分割,得到超像素分割的结果；步骤S2：针对超像素分割的结果，计算不规则的超像素块之间的对比度以估计显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。步骤S3：用Canny算子提取显著图的区域边界，以显著性区域边界为初始曲线，构造初始水平集φ。步骤S4：使用主动轮廓CV模型进一步处理紫外图像，分别计算c1、c2、和其中可根据有限差分法计算得到。步骤S5：迭代计算φn+1＝φn+ΔtL(φn)。其中：n是迭代次数；Δt是步长；L(φn)表示步骤S6，检验演化是否收敛或迭代次数是否达到设定的最大值。若收敛或迭代次数达到设定值，则停止，否则返回步骤S4。进一步，在步骤S1中，利用简单线性迭代聚类方法对原始紫外图像进行超像素分割，针对超像素分割的结果，计算显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。进一步，在步骤S3中，用Canny算子提取显著图的区域边界，以显著性区域边界为初始曲线，构造初始水平集φ，将显著图区域边界融入主动轮廓模型中。进一步，在步骤S4中，以水平集函数φ主动轮廓模型的能量泛函为：进一步，在步骤4中，采用改进的水平集的演化方程为：进一步，所述步骤S1中，基于简单线性迭代聚类的图像超像素分割具体实现的步骤：步骤S11：将大小为M*N的图像从RGB空间转换到CIELAB空间，SLIC同时考虑像素的颜色和空间属性，在五维空间labxy下实现；步骤S12：初始化种子点：按照设定的超像素个数，在图像内均匀的分配种子点；步骤S13：在种子点的n*n邻域内重新选择种子点，将种子点移到该邻域内梯度最小的地方，是为了避免种子点落在梯度较大的轮廓边界上，影响后续聚类效果；步骤S14：每个种子点周围的邻域内为每个像素点分配类标签，即属于哪个聚类中心，SLIC的搜索范围限制为2S*2S，可以加速算法收敛；步骤S15：距离度量：包括颜色距离和空间距离的度量，计算完距离D’之后，每一个像素点都会更新自己所属的图像块，将同一个图像块的像素点取平均，得到新的聚类中心；步骤S16：迭代优化。进一步，针对超像素分割的结果，计算不规则的超像素块之间的对比度以估计显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。进一步，对于每一超像素块计算显著性值时，为了降低空间信息对于全局对比度衡量的影响，将空间信息相关性与显著值进行加权计算，定义如下：其中，Ii，Ij代表第i，j个超像素块的颜色均值；N代表分割的超像素块数；ω(pi，pj)代表第i个超像素块与第j个超像素块之间的距离权值，定义如下：其中，pi代表第i个超像素块的中心，pj代表第j个超像素块的中心；δ代表空间信息相关的参数，δ2＝0.42。进一步，所述步骤S16中，迭代次数取10。本专利技术的有益效果是：(1)本专利技术所提出的模型能够准确快速地分割紫外图像目标光斑，其迭代次数、计算时间和图像分割效果有了较大的改善；(2)本专利技术的方法具有抗噪声能力强、计算结果准确、通用性好的优点。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为CV模型算法的分割流程图；图2为基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割流程图；图3(a)为k-means搜索整个区域的示意图；图3(b)SLIC搜索一个限制的带窗区域的示意图。具体实施方式以下将参照附图，对本专利技术的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。本专利技术采用SL1C算法对图像进行预处理。SL1C算法相较于其它分割算法是一种实现较方便的分割算法，该算法不仅仅对彩色图像可以进行分割，对于灰度图同样适用，能够将图像分割成和细胞一样紧凑的像素块，较容易表达像素点的邻域特征，而且不需要设置太多的参数，运行速度快，分割结果能够较理想的保持图像中目标的轮廓。之后计算不规则的超像素块之间的对比度以估计显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。利用显著图的边界信息来结合主动轮廓模型，主动轮廓模型是一个定义在图像区域内的弹性曲线，通过最小化一个与其相关联的能量函数，使其往感兴趣特征(例如图像边界)演化。典型的能量函数包括一个内部能量项和一个外部能量项，内部能量项由曲线自身的几何特性决定，用于约束曲线自身的平滑度和紧固度；外部能量项来自于图像数据，驱使可变形曲线往感兴趣特征演化。求解主动轮廓能量最小化的问题可以转化为求解一个力平衡方程。在力平衡方程中，当曲线自身的内部力等于由外部能量产生的外部力时，对应的可变形曲线即为能量最小化问题的解。具体如图所示，本专利技术的一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法，包括以下步骤：步骤S1，利用简单线性迭代聚类方法对原始紫外图像进行超像素分割，得到超像素分割的结果；本实施例本文档来自技高网...

【技术保护点】
1.一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法，其特征在于：所述方法包括以下步骤：/n步骤S1：利用简单线性迭代聚类方法对原始紫外图像进行超像素分割，得到超像素分割的结果；/n步骤S2：针对超像素分割的结果，计算不规则的超像素块之间的对比度以估计显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。/n步骤S3：用Canny算子提取显著图的区域边界，以显著性区域边界为初始曲线，构造初始水平集φ。/n步骤S4：使用主动轮廓CV模型进一步处理紫外图像，分别计算c

【技术特征摘要】
1.一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法，其特征在于：所述方法包括以下步骤：
步骤S1：利用简单线性迭代聚类方法对原始紫外图像进行超像素分割，得到超像素分割的结果；
步骤S2：针对超像素分割的结果，计算不规则的超像素块之间的对比度以估计显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。
步骤S3：用Canny算子提取显著图的区域边界，以显著性区域边界为初始曲线，构造初始水平集φ。
步骤S4：使用主动轮廓CV模型进一步处理紫外图像，分别计算c1、c2、和其中可根据有限差分法计算得到。
步骤S5：迭代计算φn+1＝φn+ΔtL(φn)。其中：n是迭代次数；Δt是步长；L(φn)表示
步骤S6，检验演化是否收敛或迭代次数是否达到设定的最大值。若收敛或迭代次数达到设定值，则停止，否则返回步骤S4。


2.根据权利要求1所述的一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法，其特征在于：在步骤S1中，利用简单线性迭代聚类方法对原始紫外图像进行超像素分割，针对超像素分割的结果，计算显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。


3.根据权利要求1所述的一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法，其特征在于：在步骤S3中，用Canny算子提取显著图的区域边界，以显著性区域边界为初始曲线，构造初始水平集φ，将显著图区域边界融入主动轮廓模型中。


4.根据权利要求1所述的一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法，其特征在于：在步骤S4中，以水平集函数φ主动轮廓模型的能量泛函为：





5.根据权利要求1所述的一种紫外和可见光图像的距离自适应配准方法，其特征在于：在步骤4中，采用改进的水平集的演化方程为：





6.根据权利要求1所述的一种基于SLIC超像素分割和显著性检测...

【专利技术属性】
技术研发人员：陈科羽，陈凤翔，徐梁刚，赵法，姬鹏飞，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州;52