CN101576998A - 采用裂缝边缘法对多源图像分割结果进行综合的方法 - Google Patents
采用裂缝边缘法对多源图像分割结果进行综合的方法 Download PDFInfo
- Publication number
- CN101576998A CN101576998A CNA2009100853287A CN200910085328A CN101576998A CN 101576998 A CN101576998 A CN 101576998A CN A2009100853287 A CNA2009100853287 A CN A2009100853287A CN 200910085328 A CN200910085328 A CN 200910085328A CN 101576998 A CN101576998 A CN 101576998A
- Authority
- CN
- China
- Prior art keywords
- crack
- edge
- pixel
- mapping graph
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种采用裂缝边缘法对多源图像分割结果进行综合的方法,该综合处理方法(1)对多幅已配准好的图像分别采用区域生长准则进行区域分割,获得多幅区域映射图;(2)对每幅区域映射图采用插入裂缝边缘法进行边缘插值处理,获得裂缝边缘图;(3)对多幅裂缝边缘图进行“或”运算得到一幅联合裂缝边缘图;(4)对联合裂缝边缘图采用种子填充算法进行区域填充,得到区域填充映射图,然后去除该区域填充映射图中的偶数行和偶数列得到一幅联合区域映射图。经本发明的方法对配准好的图像进行综合处理能够较好地反映各传感器图像对场景的完整解释,为后续的区域级图像融合策略做好准备。
Description
技术领域
本发明涉及一种图像处理方法,更特别地说,是指一种对多源图像分割结果采用裂缝边缘法进行的综合的处理方法。
背景技术
图像融合是指综合和提取两个或多个多源图像信息,获得对同一场景或者目标更为准确、全面和可靠的图像,使之更加适合于人眼感知或计算机后续处理。图像融合是多传感器数据融合的一个重要分支,因此多传感器图像融合与数据融合具有共同的优点。图像融合充分利用了多个被融合图像中所包含的冗余信息和互补信息,不同于一般意义上的图像增强,它是计算机视觉和图像理解领域中的一项新技术。图像融合技术正在广泛应用于导弹制导、战场监测、遥感技术、医学诊断以及隐藏武器检测等领域。
多源图像是指由多个传感器针对同一场景采集得到的多个图像信息。
基于区域融合体系的特征级融合方法的关键点之一就是如何能够准确地对源图像的区域进行划分,从而根据不同区域之间的特征和性质差异建立模型,选择合理的融合规则进行融合处理。目前基于区域的融合方法大都是针对其中一幅源图像的分割结果进行融合,而该分割结果只能反映某一传感器对场景的解释,具有片面性。由于各种图像传感器成像机理不同,对场景的解释一般也不完全相同。为了能更好地对区域内数据进行建模,需要对已配准好的图像的分割结果进行综合,形成一幅联合区域分割映射图,全面反映真实场景中以区域形式反映的目标与背景等重要信息的划分情况。
发明内容
为了如何将多种传感器图像对真实场景内容的不同分割结果进行拼接处理,本发明提出了一种采用裂缝边缘法对多源图像分割结果进行综合的处理方法。该综合处理方法首先对多幅已配准好的图像进行相同特征的像素进行同一符号的标记,不同特征的像素进行不同符号的标记,标记符号之间存在一递进“1”的关系;对经符号标记后的区域映射图进行插入裂缝边缘的方式得到具有裂缝边缘的图;最后进行多幅裂缝边缘图的融合处理,从而得到联合区域映射图。
本发明的一种采用裂缝边缘法对多源图像分割结果进行综合的方法,其是对已配准好的图像进行的下列步骤处理:
处理步骤一,对多幅已配准好的图像分别采用区域生长准则进行区域分割,获得多幅区域映射图;
处理步骤二,对步骤一获得的每幅区域映射图采用插入裂缝边缘法进行边缘插值处理,获得裂缝边缘图;
处理步骤三,对步骤二获得的多幅裂缝边缘图进行“或”运算得到一幅联合裂缝边缘图;
该“或”运算是指在多幅裂缝边缘图中,将带有标识“*”的像素在联合裂缝边缘图中被全面保留,且用另一标识“#”来表示标识“*”的像素;
处理步骤四,对步骤三获得的联合裂缝边缘图采用种子填充算法进行区域填充,得到区域填充映射图,然后去除该区域填充映射图中的偶数行和偶数列得到一幅联合区域映射图。
步骤二中在区域映射图中插入裂缝边缘的执行过程如下:
过程一,向区域映射图中的偶数行和偶数列插入裂缝像素标识“0”,得到有插值0的区域映射图;
过程二,采用八邻域标记法对有插值0的区域映射图中标识为“0”的像素进行判断,该判断是依据当前像素点的八个方位上的像素点的标识是否相同,若相同则沿用插入标识“0”,若不同标则记为“*”,从而得到裂缝边缘图。
本发明采用裂缝边缘法对多源图像分割结果进行综合的处理方法的优点:
1)本方法以基于区域的方法分割配准图像所形成的区域映射图为基础生成裂缝边缘图,可以有效避免基于边缘的分割方法中所存在的边缘存在断裂、出现部分虚假边缘以及边缘宽度较大等问题。由裂缝边缘组成的单像素宽闭合边界可以保证后续区域填充的正确性。
2)本方法通过在区域映射图中插入裂缝边缘来隔离各个区域,而不是直接对区域映射图进行边缘检测,利用检测到的边界隔离区域,这样使得处于区域边缘位置的像素在后续处理中仍然能够准确划入重新标号的区域,提高了分割精度。
3)本方法在联合区域映射图中所插入的裂缝像素可以在完成区域填充后全部擦除,在节省存储空间的同时实现多源传感器图像对真实场景解释的综合。
4)利用本发明方法所获得的联合区域映射图,可以有效指导后续区域级图像融合策略,从而达到了提高整个融合算法精度的作用。
附图说明
图1是本发明对已配准好的图像采用裂缝边缘法进行综合的流程图。
图1A是本发明对A配准图像进行处理得到A裂缝边缘图的流程示意图。
图1B是本发明对B配准图像进行处理得到B裂缝边缘图的流程示意图。
图2是本发明对A裂缝边缘图和B裂缝边缘图进行匹配得到联合裂缝边缘图的结构图。
图3是本发明对A裂缝边缘图和B裂缝边缘图进行去除裂缝边缘处理后得到联合区域映射图的结构图。
具体实施方式
下面将结合附图对本发明做进一步的详细说明。
本发明是对已配准好的图像进行的再次图像分割处理,为了方便说明,本发明采用了两幅已配准好的图像,即已配准好的A图像(简称A配准图像)和已配准好的B图像(简称B配准图像)。已配准好的图像是指确定出每两个不同光谱的传感器从同一景物拍摄下来的两幅图像之间的相对位移,并且在空间上已完成对准的图像。采用本发明的裂缝边缘法对两幅已配准好的图像进行的处理流程,请参见图1A、图1B所示。
参见图1所示,本发明是一种采用裂缝边缘法对多源图像分割结果进行综合的处理方法,该方法包括有下列处理步骤:
处理步骤一,对多幅已配准好的图像分别采用区域生长准则进行区域分割,获得多幅区域映射图;
处理步骤二,对步骤一获得的每幅区域映射图采用插入裂缝边缘法进行边缘插值处理,获得裂缝边缘图;
处理步骤三,对步骤二获得的多幅裂缝边缘图进行“或”运算得到一幅联合裂缝边缘图;
处理步骤四,对步骤三获得的联合裂缝边缘图采用种子填充算法进行区域填充,得到区域填充映射图,然后去除该区域填充映射图中的偶数行和偶数列得到一幅联合区域映射图。
(一)下面将详细说明“处理步骤一”的处理过程
参见图1A所示,在本发明中,先对A配准图像中具有相同特征的像素以a1标记号或者a2标记号进行标记,根据这些标记能够将A配准图像分为九个区域(每一个格子代表一个区域)。在图1A中,由于A配准图像只具有两种相同特征的像素,因此,仅以a1标记号、a2标记号作出标记,标记后的A配准图像结果即为带有标记号的区域映射图,简称为A区域映射图。
参见图1B所示,在本发明中,先对B配准图像中具有相同特征的像素以b1标记号或者b2标记号进行标记,根据这些标记能够将B配准图像分为九个区域(每一个格子代表一个区域)。在图1B中,由于B配准图像只具有两种相同特征的像素,因此,仅以b1标记号、b2标记号作出标记,标记后的B配准图像结果即为带有标记号的区域映射图,简称为B区域映射图。
在本发明中,“处理步骤一”是通过对多幅配准图像中具有相同特征的像素采用同一符号进行标记,不同特征的像素采用不同符号进行标记,来实现对多幅配准图像进行区域化分,从而得到区域映射图。该标记符号为一种递进“1”的形式进行记号,即a1标记号和a2标记号之间存在递进“1”的关系,b1标记号和b2标记号之间存在递进“1”的关系。由于本发明对多幅配准图像采用特征的像素进行记号,且记号符号之间存在递进“1”的关系,故称为区域生长准则。
(二)下面将详细说明“处理步骤二”的处理过程
在本发明中,分别对A区域映射图和B区域映射图采用插入裂缝边缘法处理,得到各自的裂缝边缘图。
在区域映射图中插入裂缝边缘的执行过程如下:
过程一,向A区域映射图中的偶数行和偶数列插入裂缝像素标识“0”,得到有插值0的区域映射图,简称为A-0区域映射图(参见图1A所示);
过程二,采用八邻域标记法对A-0区域映射图中标识为“0”的像素进行判断,得到A裂缝边缘图(参见图1A所示);
过程三,向B区域映射图中的偶数行和偶数列插入标识“0”,得到有插值0的区域映射图,简称为B-0区域映射图(参见图1B所示);
过程四,采用八邻域标记法对B-0区域映射图中插值为0的像素进行判断,得到B裂缝边缘图(参见图1B所示);
在本发明中,针对于一个像素点所述八邻域标记法中的“八邻域”是指该像素点的上、下、左、右、左上角、左下角、右上角和右下角的八个像素点。
在本发明中,针对于一个像素点所述八邻域标记法是判断这个像素点的八个方位上的像素点的标识是否相同,若相同则沿用插入标识“0”,若不同标则记为“*”。
参见图1A所示,所有标有“*”的像素点构成的边缘即为裂缝边缘。
(三)下面将详细说明“处理步骤三”的处理过程
参见图2所示,在本发明中,对A裂缝边缘图和B裂缝边缘图进行“或”运算的步骤有:
步骤一,选取A裂缝边缘图中的裂缝边缘,并去除A裂缝边缘图中的非裂缝像素,得到只具有裂缝边缘的边缘图,简称为A-D边缘图;
步骤二,选取B裂缝边缘图中的裂缝边缘,并去除B裂缝边缘图中的非裂缝像素,得到只具有裂缝边缘的边缘图,简称为B-D边缘图;
步骤三,对A-D边缘图和B-D边缘图中的所对应像素点的标识“*”进行“或”运算获得一幅联合裂缝边缘图。
在A-D边缘图和B-D边缘图中,将每一幅边缘图中带有标识“*”的像素在联合裂缝边缘图中被全面保留,且用另一标识“#”表示该标识“*”的像素。
(四)下面将详细说明“处理步骤四”的处理过程
参见图3所示,在本发明中,对联合裂缝边缘图采用种子填充算法进行区域填充得到区域填充映射图。在区域填充映射图中,c表示填充后的第一目标区域,d表示填充后的第二目标区域,e表示填充后的第三目标区域。
所述的种子填充算法是指在给定区域内部的一个象素-种子,然后由这个种子向外填,填了邻近各点,再填邻近点的各点,直至整个区域填满为止。具体的填充步骤请参见2002年12月第26期,南京理工大学学报公开的《基于区域生长的红外图像分割》一文。
最后在区域填充映射图中去除偶数行和偶数列,从而得到联合区域映射图。
此步骤中的“去除偶数行和偶数列”与步骤二为互逆过程。
本发明的一种采用裂缝边缘法对多源图像分割结果进行综合的方法,以实现将不同传感器图像对同一场景内容的不同分割结果合并到一幅区域分割映射图上,全面反映真实场景,提高区域级图像融合的合理性和准确性。本发明对各传感器图像分割结果的综合方法简洁高效,可适用于多种应用场合,同时保证综合结果可充分体现真实场景中景物之间的特征差异,与人眼实际观察得到的结果较为接近。
Claims (3)
1、一种采用裂缝边缘法对多源图像分割结果进行综合的方法,其特征在于是对已配准好的图像进行的下列步骤处理:
处理步骤一,对多幅已配准好的图像分别采用区域生长准则进行区域分割,获得多幅区域映射图;
处理步骤二,对步骤一获得的每幅区域映射图采用插入裂缝边缘法进行边缘插值处理,获得裂缝边缘图;
处理步骤三,对步骤二获得的多幅裂缝边缘图进行“或”运算得到一幅联合裂缝边缘图;
该“或”运算是指在多幅裂缝边缘图中,将带有标识“*”的像素在联合裂缝边缘图中被全面保留,且用另一标识“#”来表示标识“*”的像素;
处理步骤四,对步骤三获得的联合裂缝边缘图采用种子填充算法进行区域填充,得到区域填充映射图,然后去除该区域填充映射图中的偶数行和偶数列得到一幅联合区域映射图。
2、根据权利要求1所述的采用裂缝边缘法对多源图像分割结果进行综合的方法,其特征在于:步骤一中采用了相同特征的像素采用同一符号进行标记,不同特征的像素采用不同符号进行标记,且记号符号之间存在递进“1”的关系。
3、根据权利要求1所述的采用裂缝边缘法对多源图像分割结果进行综合的方法,其特征在于:步骤二中在区域映射图中插入裂缝边缘的执行过程如下:
过程一,向区域映射图中的偶数行和偶数列插入裂缝像素标识“0”,得到有插值0的区域映射图;
过程二,采用八邻域标记法对有插值0的区域映射图中标识为“0”的像素进行判断,该判断是依据当前像素点的八个方位上的像素点的标识是否相同,若相同则沿用插入标识“0”,若不同标则记为“*”,从而得到裂缝边缘图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100853287A CN101576998B (zh) | 2009-05-21 | 2009-05-21 | 采用裂缝边缘法对多源图像分割结果进行综合的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100853287A CN101576998B (zh) | 2009-05-21 | 2009-05-21 | 采用裂缝边缘法对多源图像分割结果进行综合的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101576998A true CN101576998A (zh) | 2009-11-11 |
CN101576998B CN101576998B (zh) | 2011-06-22 |
Family
ID=41271932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100853287A Expired - Fee Related CN101576998B (zh) | 2009-05-21 | 2009-05-21 | 采用裂缝边缘法对多源图像分割结果进行综合的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101576998B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295199A (zh) * | 2013-05-29 | 2013-09-11 | 西安建筑科技大学 | 古壁画的裂缝智能修复辅助系统 |
CN104535589A (zh) * | 2015-01-20 | 2015-04-22 | 广东电网有限责任公司电力科学研究院 | 一种低压电流互感器在线检测方法和装置 |
CN107240126A (zh) * | 2016-03-28 | 2017-10-10 | 华天科技(昆山)电子有限公司 | 阵列图像的校准方法 |
CN108921847A (zh) * | 2018-08-08 | 2018-11-30 | 长沙理工大学 | 基于机器视觉的桥梁底部检测方法 |
WO2023202190A1 (zh) * | 2022-04-20 | 2023-10-26 | 中钢集团马鞍山矿山研究总院股份有限公司 | 一种图像批处理识别方法及系统 |
-
2009
- 2009-05-21 CN CN2009100853287A patent/CN101576998B/zh not_active Expired - Fee Related
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295199A (zh) * | 2013-05-29 | 2013-09-11 | 西安建筑科技大学 | 古壁画的裂缝智能修复辅助系统 |
CN103295199B (zh) * | 2013-05-29 | 2016-08-10 | 西安建筑科技大学 | 古壁画的裂缝智能修复辅助系统 |
CN104535589A (zh) * | 2015-01-20 | 2015-04-22 | 广东电网有限责任公司电力科学研究院 | 一种低压电流互感器在线检测方法和装置 |
CN107240126A (zh) * | 2016-03-28 | 2017-10-10 | 华天科技(昆山)电子有限公司 | 阵列图像的校准方法 |
CN107240126B (zh) * | 2016-03-28 | 2020-11-20 | 华天科技(昆山)电子有限公司 | 阵列图像的校准方法 |
CN108921847A (zh) * | 2018-08-08 | 2018-11-30 | 长沙理工大学 | 基于机器视觉的桥梁底部检测方法 |
CN108921847B (zh) * | 2018-08-08 | 2022-06-24 | 长沙理工大学 | 基于机器视觉的桥梁底部检测方法 |
WO2023202190A1 (zh) * | 2022-04-20 | 2023-10-26 | 中钢集团马鞍山矿山研究总院股份有限公司 | 一种图像批处理识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101576998B (zh) | 2011-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021000809A1 (zh) | 利用激光slam在长走廊建图的方法、装置、系统、存储介质 | |
CN101576998B (zh) | 采用裂缝边缘法对多源图像分割结果进行综合的方法 | |
JP5591730B2 (ja) | 環境認識装置 | |
CN109844457B (zh) | 用于产生数字道路模型的系统和方法 | |
CN103955920A (zh) | 基于三维点云分割的双目视觉障碍物检测方法 | |
US20130163883A1 (en) | Apparatus for measuring three-dimensional position, method thereof, and program | |
CN112862881B (zh) | 基于众包多车摄像头数据的道路地图构建与融合的方法 | |
CN114076956A (zh) | 一种基于激光雷达点云辅助的车道线标定方法 | |
CN101833762B (zh) | 基于对象间粗大边缘和拟合的异源图像匹配的方法 | |
KR20170046790A (ko) | 시스루 스마트 안경 및 그 투시 방법 | |
JP2008158958A (ja) | 路面判別方法および路面判別装置。 | |
CN105100600A (zh) | 用于全景可视系统中的自动校准的方法和装置 | |
CN112344923B (zh) | 一种机器人的定位方法及其定位装置 | |
JP2006267879A (ja) | 画像処理方法、画像処理装置、マーカ | |
JP5188429B2 (ja) | 環境認識装置 | |
CN110197173A (zh) | 一种基于双目视觉的路沿检测方法 | |
CN104908649A (zh) | 标志线检测系统 | |
CN106236264A (zh) | 基于光学跟踪和图像匹配的胃肠手术导航方法及系统 | |
CN102446355A (zh) | 一种基于双视场的无标定平面突起目标检测方法 | |
US11900696B2 (en) | Method and system for processing a plurality of images so as to detect lanes on a road | |
CN111008602B (zh) | 一种小曲率薄壁零件用二维和三维视觉结合的划线特征提取方法 | |
CN110809766B (zh) | 高级驾驶员辅助系统和方法 | |
US11941892B2 (en) | Method and device for providing data for creating a digital map | |
CN103006332B (zh) | 手术刀跟踪方法与装置及数字立体显微镜系统 | |
CN109472826A (zh) | 基于双目视觉的定位方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110622 Termination date: 20140521 |