一種動態(tài)環(huán)境下的自適應(yīng)閾值分割方法
【專利摘要】本發(fā)明公開了一種動態(tài)環(huán)境下的自適應(yīng)閾值分割方法，所述方法包括：采集目標物第一幀圖像作為先驗圖像，提取出所述第一幀圖像的中心點以及對下一幀圖像預(yù)估的識別范圍；以所述中心點和預(yù)估識別范圍來對當(dāng)前圖像進行閾值分割，對分割后出來的像素求其中心點和識別范圍，并用作下一幀圖像的目標物識別；根據(jù)HSV與YCbCr顏色空間對目標物的識別情況來對中心點和識別范圍進行判斷，根據(jù)判斷結(jié)果對中心點進行更新或者還原操作。本發(fā)明能以最小的閾值劃分范圍實現(xiàn)最大的閾值分割效果，且能有效地剔除噪聲影響并能隨環(huán)境實現(xiàn)自適應(yīng)變化。
【專利說明】
一種動態(tài)環(huán)境下的自適應(yīng)閾值分割方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像處理與模式識別領(lǐng)域，具體涉及動態(tài)環(huán)境下的自適應(yīng)閾值分割方 法。
【背景技術(shù)】
[0002] 如何從一副圖像里提取出我們感興趣的物體，一直是圖像處理中的一個經(jīng)久不衰 的話題，研究較早的，應(yīng)用較為廣泛的適用于圖像目標提取的便是圖像分割技術(shù)，它是圖像 處理與分析領(lǐng)域中的一個經(jīng)典問題，也是該領(lǐng)域的難點之一。圖像分割其實就是一個劃分 問題，按照特定的劃分準則將圖像中的像素點進行過濾與劃分，劃分的結(jié)果通常是或者區(qū) 分背景與提取物、或者是突出提取物、或者是消除噪聲，通過劃分將圖像歸到具有實際意義 的區(qū)域，我們便可以提取出我們感興趣的目標。在圖像分割領(lǐng)域中，閾值分割是一類較為簡 單和實用的方法，其易于實現(xiàn)、分割效果良好、適用范圍廣的特性，是目前應(yīng)用于機器視覺 及其它各類圖像處理與模式識別中較為常用的分割方法之一，并已廣泛應(yīng)用于工業(yè)產(chǎn)品缺 陷提取，醫(yī)療圖像處理，指紋識別、紅外目標檢測等實際應(yīng)用領(lǐng)域。因此，如何選取最佳閾值 來進行圖像分割并提取有效的目標點更是眾多圖像處理領(lǐng)域研究者努力探索的問題。
[0003] 經(jīng)典的圖像分割方法如Otsu(類間方差法），最大熵，基本全局閾值法，迭代閾值分 割法和各種自適應(yīng)閾值法都是基于灰度圖像的單通道分割方法，這些方法在目標，背景差 別大，噪聲低的情況下分割效果不錯，但是如果出現(xiàn)圖像包含多個灰度強度或者是某些區(qū) 域的閾值點超過分割的閾值，那么這些方法將都會出現(xiàn)分割不完整或者分割混亂的情況。

【發(fā)明內(nèi)容】

[0004] 針對上述問題，本發(fā)明的主要目的在于提供一種動態(tài)環(huán)境下的自適應(yīng)閾值分割方 法，能以最小的閾值劃分范圍實現(xiàn)最大的閾值分割效果，且能有效地剔除噪聲影響并能隨 環(huán)境實現(xiàn)自適應(yīng)變化。
[0005] 為了達到上述目的，本發(fā)明采用如下技術(shù)方案:一種動態(tài)環(huán)境下的自適應(yīng)閾值分 割方法，所述方法包括如下步驟：
[0006] 步驟一，采集目標物第一幀圖像作為先驗圖像，提取出所述第一幀圖像的中心點 以及對下一幀圖像預(yù)估的識別范圍；
[0007] 步驟二，以所述中心點和預(yù)估識別范圍來對當(dāng)前圖像進行閾值分割，對分割后出 來的像素求其中心點和識別范圍，并用作下一幀圖像的目標物識別；
[0008] 步驟三，根據(jù)HSV(hue，saturation, value)與YCbCr顏色空間對目標物的識別情況 來對中心點和識別范圍進行判斷，根據(jù)判斷結(jié)果對中心點進行更新或者還原操作。
[0009] 作為進一步的優(yōu)選，步驟一中，在視覺主體相對于目標物靜止的情況下采集第一 幀圖像。
[0010] 作為進一步的優(yōu)選，所述第一幀圖像為RGB原始圖像。
[0011] 作為進一步的優(yōu)選，在步驟一中，所述提取前，還包括將RGB原始圖像轉(zhuǎn)換為HSV與 YCbCr圖像的過程;轉(zhuǎn)換過程如下：
[0012]作為進一步的優(yōu)選，將所述RGB原始圖像轉(zhuǎn)換為所述HSV與YCbCr圖像的轉(zhuǎn)換公式 為：
[0013；
[0014] y為y通道，uScb通道，V為cr通道。
[0015]作為進一步的優(yōu)選，所述中心點為HSV中心點與YCbCr中心點。
[0016] 作為進一步的優(yōu)選，在步驟一中，所述提取所用的方法為迭代法，通過所述迭代法 分別提取HSV與YCbCr中心點作為預(yù)處理，并用迭代法求出中心點偏移量及上下限，以確定 下一幀圖像的識別上下界，從而確定識別范圍。
[0017] 作為進一步的優(yōu)選，在步驟一中，所述提取時，在第一幀圖像以聚類的方式將初始 障礙物大致范圍聚出來或者手動選取障礙物部分作為基礎(chǔ)，再采用迭代法來得到更為精確 的中心點及其識別范圍。
[0018] 作為進一步的優(yōu)選，最大中心點能識別的最大距離作為上界，最小中心點能識別 到的最大距離作為下界，以最大中心點到最小中心點的距離作為識別范圍。
[0019] 作為進一步的優(yōu)選，步驟二中，所述閾值分割選取準則為：
[0020]
[0021]作為進一步的優(yōu)選，步驟三中，所述更新對象包括中心點以及預(yù)估中心點上下界， 以用于實現(xiàn)動態(tài)閾值分割的目的，從而達到自適應(yīng)效果。同樣通過迭代的方法求得新中心 點以及新中心點的偏移量，在通過偏移量來確定下一幀圖像應(yīng)該識別的閾值邊界。如果新 中心點符合要求則進行中心點及邊界更新，不符合則進行中心點還原與邊界還原。
[0022]本發(fā)明的有益效果如下：
[0023] (1)-般的閾值分割都是在靜態(tài)的情況下作的，而在動態(tài)環(huán)境下的閾值分割還相 對較少，本申請方法不僅能在靜態(tài)條件下取得不錯的分割效果，也能在動態(tài)條件下分割，使 用范圍更加廣。
[0024] (2)本申請對目標物的識別準則會隨著環(huán)境的改變而改變，改變效果更加適用于 對目標的識別。
[0025] (3)本申請方法中，無論視角怎么變化，中心點都會不斷偏向目標物體實際中心 點，并根據(jù)障礙物的大小實現(xiàn)邊界收縮與擴張，以最小的閾值劃分范圍實現(xiàn)最大的閾值分 割效果，能有效地剔除噪聲影響并能隨環(huán)境實現(xiàn)自適應(yīng)變化。
[0026] (4)由于環(huán)境噪聲較多，單通道的閾值分割已經(jīng)滿足不了對障礙物識別的要求，因 此本發(fā)明利用三通道(y通道、cb通道、cr通道）同時進行閾值分割來實現(xiàn)對障礙物識別的要 求。利用HSV能準確識別障礙物的特性(但是識別率較低），以及YCbCr能最大范圍識別障礙 物的特性(在障礙物少的情況下受噪聲影響較大），綜合二者的優(yōu)點得出既能最大范圍識別 障礙物，且對噪聲的魯棒性較強的一種自適應(yīng)閾值分割方法。
【附圖說明】
[0027] 圖1為本申請實施例自適應(yīng)閾值分割方法原理圖。
[0028] 圖2為本申請實施例自適應(yīng)閾值分割方法算法流程圖。
[0029] 圖3為本申請實施例閾值選取示意圖。
【具體實施方式】
[0030] 本申請通過提供一種動態(tài)環(huán)境下的自適應(yīng)閾值分割方法，首先研究了不同顏色空 間在動態(tài)環(huán)境下的靜態(tài)識別情況，提取出識別效果最好的顏色空間，然后通過不斷更新對 下一幀中心點與下一幀圖像閾值識別范圍來達到自適應(yīng)圖像分割的效果，這樣不僅可以有 效地縮短閾值范圍估計，也能最大化的識別出目標，并通過結(jié)合HSV與YCbCr顏色空間來對 更新中心點進行修正與還原來提高算法的精確性。
[0031] 為了更好的理解上述技術(shù)方案，下面將結(jié)合說明書附圖以及具體的實施方式對上 述技術(shù)方案做詳細的說明。
[0032] 如圖1所示，本申請實施例動態(tài)環(huán)境下的自適應(yīng)閾值分割方法，所述方法包括： [0033]步驟一，采集目標物第一幀圖像作為先驗圖像，提取出所述第一幀圖像的中心點 以及對下一幀圖像預(yù)估的識別范圍；
[0034]步驟二，以所述中心點和預(yù)估識別范圍來對當(dāng)前圖像進行閾值分割，對分割后出 來的像素求其中心點和識別范圍，并用作下一幀圖像的目標物識別；
[0035] 步驟三，根據(jù)HSV與YCbCr顏色空間對目標物的識別情況來對中心點和識別范圍進 行判斷，根據(jù)判斷結(jié)果對中心點進行更新或者還原操作。
[0036] 步驟一中，在視覺主體例如機器人相對于目標物靜止的情況下采集第一幀圖像。 [0037]所述第一幀圖像為RGB原始圖像。
[0038]在步驟一中，所述提取前，還包括將RGB原始圖像轉(zhuǎn)換為HSV與YCbCr圖像的過程； 轉(zhuǎn)換過程如下：
[0039]將所述RGB原始圖像轉(zhuǎn)換為所述HSV與YCbCr圖像的轉(zhuǎn)換公式為：
[0040]
[0041 ] 其中，y為y通道，I^cb通道，V為cr通道。
[0042] 所述中心點為HSV中心點與YCbCr中心點。
[0043]在步驟一中，所述提取所用的方法為迭代法，通過所述迭代法分別提取HSV與 YCbCr中心點作為預(yù)處理，并用迭代法求出中心點偏移量及上下限，以確定下一幀圖像的識 別上下界，從而確定識別范圍。
[0044]最大中心點能識別的最大距離作為上界，最小中心點能識別到的最大距離作為下 界，以最大中心點到最小中心點的距離作為識別范圍。
[0045] 在步驟二中，所述閾值分割選取準則為：
[0046]
[0047]在步驟三中，包括更新中心點以及更新預(yù)估上下界，以用于實現(xiàn)動態(tài)閾值分割的 目的，從而達到自適應(yīng)效果。
[0048]實施例1:如圖2算法流程圖所示，包括如下具體流程：
[0049]步驟1:首先從攝像頭采集第一幀RGB圖片作為先驗圖片。
[0050]步驟2:將提取的RGB圖像轉(zhuǎn)換為HSV與YCbCr圖像，轉(zhuǎn)換過程如下：
[0051 ] RfiR桂拖.桂拖公式％.
[0052]
[0053]步驟3:求中心點，為忽略光照強度的影響，在整個過程中以cb，cril道進行分割， 整個過程如下:在第一幀圖像以聚類的方式將初始障礙物大致范圍聚出來或者手動選取障 礙物部分(選取包含障礙物的矩形部分），若選擇矩形的寬為《，高為h，中心點為p(y，u，v)，y 為y通道，u為cb通道，V為cr通道，srci,j(y，u，v)為轉(zhuǎn)換為ycbcr顏色空間的像素點，目標二 值化為desti, j，i，j為像素坐標，則初始中心點p(y，u，V)為：
[0054]
[0055] 中心點用于圖像下一幀閾值中心點的預(yù)估，我們通過迭代的方法來得到更為精確 的中心點，迭代過程如下，將上述選取的閾值空間直方圖化得到直方圖數(shù)組hist，分別求出 小于中心點的像素中心點pl(y，u，v)與大于中心點像素點p2(y， U，v)，求解公式為：
[0056]
[0057]
[0058]
[0059]
[0060] 若滿足迭代終止條仵，則確定中心點，沓則繼續(xù)迭代，終止條件是中心點的變化達 到一定精度或者是達到迭代上限，由于迭代法的收斂性，因此一定可以得出一個中心點。
[0061] 步驟4:用迭代法求出中心點偏移量及上下限。確定好的中心點只是下一幀圖像中 心點的預(yù)估，因此我們需要確定一個實際有效地范圍來保障中心點的精確性，確定方法如 下，以直方圖下界為下界，中心點為上界，同樣利用迭代的方法來求出中心點下限pdown(y， u，v)，以中心點作為下界，直方圖上界作為上界同樣利用迭代的方法來求出中心點上限pup (y，u，v)，故我們可以將中心點大致定位于中心點下限到中心點上限區(qū)間內(nèi)，如圖3所示。圖 3表示某一通道直方圖，X為該通道閾值強度，y為像素個數(shù)，其中p為該通道中心點，pdown為 中心點下限，pup為中心點上限，在pdown到pup為下一幀預(yù)估中心點的范圍。
[0062] 步驟5:確定下一幀圖像的識別上下界。我們還需要上下界來確定識別的目標物 體，確定過程如下，我們以最大中心點能識別的最大距離作為上界，最小中心點能識別到的 最大距離作為下界，以最大中心點到最小中心點的距離作為識別范圍，故可分別確定下界ξ 和上界η為：
[0063]
[0064]
[0065] 步驟6:確定閾值選取準則。那么根據(jù)預(yù)測的上界及下界，下一幀圖像的閾值選取 準則為
[0066]
[0067] 步驟7:更新中心點與上下界。通過不斷更新中心點以及更新預(yù)估上下界來實現(xiàn)動 態(tài)閾值分割的目的，當(dāng)前圖像通過中心點及邊界分割出來的像素點集合為0 ,像素點的個 數(shù)為num，前一中心點為pre(y，u，v),更新中心點為p'（y ,u,v)，通過初始中心點，在隨后機 器人的運動過程中，不斷更新初始中心點及中心點識別范圍來達到自適應(yīng)閾值分割的目 的，更新由心占的忖耜為，
[0068]
[0069] 步驟8:中心點檢測與還原。分割出像素點集合的直方圖為histnew，同樣通過迭代 的方法求得新中心點以及新中心點的偏移量，在通過偏移量來確定下一幀圖像應(yīng)該識別的 閾值邊界。如果新中心點符合要求則進行中心點及邊界更新，不符合則進行中心點還原與 邊界還原，過程如下：
[0070]
[0071] 無論視角怎么變化，中心點都會不斷偏向目標物體實際中心點，并根據(jù)障礙物的 大小實現(xiàn)邊界收縮與擴張，以最小的閾值劃分范圍實現(xiàn)最大的閾值分割效果，能有效地剔 除噪聲影響并能隨環(huán)境實現(xiàn)自適應(yīng)變化。
[0072] 上述本申請實施例中的技術(shù)方案，至少具有如下的技術(shù)效果或優(yōu)點：
[0073] (1)-般的閾值分割都是在靜態(tài)的情況下作的，而在動態(tài)環(huán)境下的閾值分割還相 對較少，本申請方法不僅能在靜態(tài)條件下取得不錯的分割效果，也能在動態(tài)條件下分割，使 用范圍更加廣。
[0074] (2)本申請對目標物的識別準則會隨著環(huán)境的改變而改變，改變效果更加適用于 對目標的識別。
[0075] (3)本申請方法中，無論視角怎么變化，中心點都會不斷偏向目標物體實際中心 點，并根據(jù)障礙物的大小實現(xiàn)邊界收縮與擴張，以最小的閾值劃分范圍實現(xiàn)最大的閾值分 割效果，能有效地剔除噪聲影響并能隨環(huán)境實現(xiàn)自適應(yīng)變化。
[0076] (4)由于環(huán)境噪聲較多，單通道的閾值分割已經(jīng)滿足不了對障礙物識別的要求，因 此本發(fā)明利用三通道同時進行閾值分割來實現(xiàn)對障礙物識別的要求。利用HSV能準確識別 障礙物的特性(但是識別率較低），以及YCbCr能最大范圍識別障礙物的特性(在障礙物少的 情況下受噪聲影響較大），綜合二者的優(yōu)點得出既能最大范圍識別障礙物，且對噪聲的魯棒 性較強的一種自適應(yīng)閾值分割方法。
[0077]盡管已描述了本發(fā)明的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造 性概念，則可對這些實施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu) 選實施例以及落入本發(fā)明范圍的所有變更和修改。顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明 進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型 屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在 內(nèi)。
【主權(quán)項】
1. 一種動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:所述方法包括： 采集目標物第一帖圖像，提取出所述第一帖圖像的中屯、點W及對下一帖圖像預(yù)估的識 別范圍； W所述中屯、點和預(yù)估的識別范圍來對當(dāng)前圖像進行闊值分割，對分割后出來的像素求 其中屯、點和識別范圍，并用作下一帖圖像的目標物識別； 根據(jù)HSV與YCbCr顏色空間對目標物的識別情況來對中屯、點和識別范圍進行判斷，由判 斷結(jié)果對中屯、點及其識別范圍進行更新或者還原操作。2. 根據(jù)權(quán)利要求1所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:所述采集是 在視覺主體相對于目標物靜止的情況下采集。3. 根據(jù)權(quán)利要求1或2所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:所述第 一帖圖像為RGB原始圖像。4. 根據(jù)權(quán)利要求3所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于：所述提取 前，還包括將RGB原始圖像轉(zhuǎn)換為服V與YCb化圖像的過程。5. 根據(jù)權(quán)利要求4所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:將所述RGB 原始圖像轉(zhuǎn)換為所述HSV與YCb化圖像的轉(zhuǎn)換公式為：其中，y為y通道，U為cb通道，V為cr通道。6. 根據(jù)權(quán)利要求1所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:所述中屯、點 為服V中屯、點與YCb化中屯、點。7. 根據(jù)權(quán)利要求1所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:所述提取所 用的方法為迭代法，所述迭代法用于提取HSV與Y饑吐中屯、點，W及用于求出中屯、點偏移量 及上下限。8. 根據(jù)權(quán)利要求1或7所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:所述提 取時，在第一帖圖像W聚類的方式將初始障礙物大致范圍聚出來或者手動選取障礙物部分 作為基礎(chǔ)，再采用迭代法提取。9. 根據(jù)權(quán)利要求1所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:所述闊值分 割選取準則為：10. 根據(jù)權(quán)利要求1所述的動態(tài)環(huán)境下的自適應(yīng)闊值分割方法，其特征在于:所述更新 采用迭代法，W用于求得新中屯、點W及新中屯、點的偏移量，再通過偏移量來確定下一帖圖 像的預(yù)估識別范圍。
【文檔編號】G06T7/00GK105844641SQ201610172144
【公開日】2016年8月10日
【申請日】2016年3月24日
【發(fā)明人】李迅, 張彥鐸, 劉敦浩, 張瑤, 袁博
【申請人】武漢工程大學(xué)