結合深度信息的圖像分割研究初探

周蓮波 胡穎

?

結合深度信息的圖像分割研究初探

周蓮波 胡穎

營口職業(yè)技術學院，遼寧 營口 115000

圖像分割的研究是計算機識別圖像信息的基礎，也是實現計算機智能化的基礎所在，因此其研究意義重大。圖像分割的早期算法主要是通過顏色進行區(qū)分和分割形成超像素圖像，在考慮現實世界的三維特性之后，在原有算法基礎上加入深度信息，并利用深度信息修正二維圖像分割算法的錯誤，從而提高圖像分割精度。主要步驟分別有圖像二維分割、深度超像素圖像處理、結果評述與劃分錯誤修正、融合深度信息與二維超像素劃分結果并形成最終結果。

深度信息；圖像分割；流程；超像素圖像

計算機技術的飛速發(fā)展推動了整個社會的進步，人類社會的變化速度越來越快，計算機智能化的研究開始進入人們的視野并愈發(fā)得到重視，人們試圖通過開發(fā)計算機主動識別圖像信息來賦予計算機足夠的智能化能力，而對視覺信息的感知是計算機智能化的第一步，也是最關鍵的一步，計算機要想實現智能化，就必須確保其能夠主動的識別視覺范圍內感知到的所有圖像信息，并有效的對其進行切割、組織和分析，將其轉化為自身所需的信息，當前該技術處于圖像分割的研究階段，這也是其基礎研究部分。圖像的分割最初是通過識別顏色這一參數特征來完成的，通過識別同類顏色區(qū)域并進行區(qū)域劃分，完成超像素圖像的拼接，但實際上這種方法是粗糙的模仿，因為現實世界的分割是無法僅憑借顏色就能夠準確的完成的，必須考慮其自身的存在特性?？紤]到三維立體空間的空間坐標唯一特性，將深度加入到圖像分割的參考因素之中，并將之前的顏色分割視為不考慮深度因素的二維平面切割，這樣就可以將最初的研究成果——顏色分割與深度信息融合成一個新的圖像分割算法，這種算法既考慮圖像的二維特征又考慮其三維立體空間的存在特征，從而提升了圖像分割的準確度。

1 深度圖像預處理

深度圖像是實現深度信息融合圖像分割的基礎所在，在進行圖像分割此之前需要對深度圖像進行預處理。

1.1 深度圖像概述

深度圖像也被稱為距離圖像，首先具有數字圖像的基本性質，即圖像由像素按照矩陣形式排列而成，但其呈現的信息與傳統(tǒng)的顏色圖像完全不同，顏色圖像的顏色值表示的是場景的顏色信息，而深度圖像的灰度值表示的是場景中物體相對于攝像頭的距離。

由于顏色圖像描述的是場景的顏色、亮度等信息，易受到光照變化、遮擋等環(huán)境因素的影響，具有時變性，在不同時刻相同場景獲得的信息可能存在很大不同；深度圖像是對場景深度信息的描述，僅與場景中物體的距離即軸方向有關，其灰度值是沿軸方向變化的，相較于顏色圖像，不易受光照、環(huán)境等因素的影響，具有時不變性。深度信息的引入使得二維圖像形成了三維屬性，可以讓計算機更好的分割形成具有空間屬性的信息。

1.2 圖像修復技術

圖像修復是指利用一定的算法對受到損壞的圖像進行重建的技術，這種損壞可以是圖像錯誤，也可以是圖像信息的丟失。圖像修復是一個不確定問題，修復結果的合理程度取決于視覺系統(tǒng)的接受程度。依據缺損信息數量的多寡可以將圖像修復方法主要分為兩類：一類是用于修復小尺度缺損的數字圖像修補技術。該方法利用被破壞區(qū)域邊緣的顏色和結構信息來推測被破壞區(qū)域內部的像素分布，就其本質來說是利用了像素的傳播機制，數學方法上利用偏微分的方法依據正確區(qū)域的顏色以及紋理的變化來推測缺損區(qū)域的信息；另一類是用于修復大塊信息缺失的圖像補全技術，目前這一類技術也包含以下兩種方法：一種是基于圖像分解的修復技術，另一種方法是基于塊的紋理合成技術來填充丟失的信息。

2 超像素圖像分割意義

計算機處理超像素圖像的意義在于將圖像轉換成計算機和人類都易于理解的信息，因此屬于復雜圖像簡單化處理的一種方式，主要方法是采集圖像的各類信息并歸納，將同類信息并處于相近區(qū)域的像素劃分成一個集合，這種同屬性的集合相互無縫拼接形成一個屬性變化較大的超像素圖像。圖像分割算法主要是朝著降低人工處理工作量、提高分割速度、提高適應性、抗干擾能力強等方向發(fā)展，其最終目的是實現計算機識別圖像與人眼識別圖像形成視覺過程相近，從而更好的實現人工智能。

3 結合深度信息的圖像分割方法分析

SLIC是圖像分割過程中最常用的方式之一，其優(yōu)勢在于對硬件需求低，且運算過程速度快，對前期分析和參數設定的要求并不復雜，可以實現單一參數的超像素圖像分割，提前指定好超像素圖像的數量即可直接獲得接近統(tǒng)一特質的超像素圖像。該方法直接采集相似因素的集合并無縫拼接，因此該方法應用比較廣泛。但是在實際的應用過程中，SLIC算法還是存在著許多缺點，比如劃分區(qū)域不精確，受到環(huán)境影響較大等等，這些都會導致最終的分割誤差增大。

二次分割的結果更加精確。

結合深度信息的圖像分割具體流程如下：第一步是圖像的處理，首先對顏色圖進行SLIC超像素分割，按照其流程完成第一次分割，接著對深度圖進行預處理，預處理流程不贅述；第二步是對基于梯度的分割結果進行一個評價，同時改正基于深度劃分的錯誤，最后將二者合并形成結合深度信息的圖像分割成果。

4 結語

綜上可知，融合深度信息是在常規(guī)圖像分割技術基礎上增加了額外的參數，從而使得圖像分割更為精準，提高了其結果的準確度，屬于一種綜合性的算法，既考慮深度信息也考慮常規(guī)的如顏色等參數信息。圖像分割技術雖然屬于計算機領域的基礎技術，但是其技術的發(fā)展關系到計算機直接讀取視覺信息的可能是否實現，這種視覺感應信息的直接讀取直接影響到計算機感知外部環(huán)境的方式，一旦實現將極大的推動計算機技術和智能機器人技術的發(fā)展，因此我們需要不斷的探索圖像分割的算法新途徑和優(yōu)化方式，為計算機領域的發(fā)展做出自己的貢獻。

[1]曾志宏，李建洋，鄭漢恒.融合深度信息的視覺注意計算模型[J].計算機工程，2010（20）：200-202.

胡穎（1972—），遼寧，本科，教授，計算機技術、人工智能、虛擬仿真，營口職業(yè)技術學院；周蓮波（1980—），女，遼寧，本科，講師，計算機技術、人工智能、虛擬仿真，營口職業(yè)技術學院 。

TP391.41

A

1009-6434（2016）01-0029-01