CN105761264A - 基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法 - Google Patents
基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法 Download PDFInfo
- Publication number
- CN105761264A CN105761264A CN201610097313.2A CN201610097313A CN105761264A CN 105761264 A CN105761264 A CN 105761264A CN 201610097313 A CN201610097313 A CN 201610097313A CN 105761264 A CN105761264 A CN 105761264A
- Authority
- CN
- China
- Prior art keywords
- region
- rock
- point
- separation
- poly
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20072—Graph-based image processing
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,具体为:首先将图像均匀分成16个小块,通过图论的最小生成树算法对每块进行分割,并对分割出来的不同区域进行标号;然后对岩石块度区域不断缩小边界,每缩小一次,判断是否发生了区域分离;若发生了区域分离,则搜索分离段的局部分离点;接着根据局部分离点回到原始图像搜索分离线;最后在原图中根据分离线分离岩石块度。该方法有利于分割图像中粘连的目标区域对象,具有良好的分离精度。
Description
技术领域
本发明涉及岩石块度图像分割技术领域,特别是基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法。
背景技术
关于图像分割,已有很多成熟的算法,但由于岩石块度图像的特殊性,不论采用何种分割算法,分割结果图像中总会存在一些岩石块度聚堆的现象,即岩石块度粘连、重叠在一起的现象,影响岩石块度的判读。有些判读系统采用人工交互方式进行聚堆岩石块度的分离来解决这个问题,为了提高系统的自动化程度,必须设计一种有效的分离算法把它们自动分离为单个岩石块度。
把粘连、重叠在一起的岩石块度分离成单个岩石块度,关键在于如何快速、准确地找到分离点。所谓分离点,实际上是最终用来进行分离的一个点对,连接点对的一条曲线段可以把该区域比较合理地一分为二,这条曲线段我们通常称为分离线。通过分析发现,分离点应该处于岩石块度的连接处,聚堆的岩石块度在连接处一般呈凹陷状,因此,很多分离算法都是基于凹点进行的。
基于凹点的分离算法其思想是:首先找出聚堆岩石块度边界上所有的凹点,然后对凹点进行配对得到分离点,配对的原则是分离点对间的直线距离是局部最小的,并且分别处于中轴的两侧,分离点确定后就可根据灰度值最小路径或边缘信息搜索分离线,进行岩石块度的分离。分离算法的思想虽然很简单,但实际应用起来却复杂得多。目前存在的大多数分离算法都要求聚堆岩石块度连接处的凹陷性比较明显,有的还要求聚堆岩石块度连接处有一条灰度值局部最小的连接线,否则难以正确实现分离,然而在实际当中,很多聚堆岩石块度在连接处并没有明显的凹陷特性,也没有灰度值局部最小连接线,导致此类算法在处理过程中存在很多问题:
(1)真正的凹点很难确定。目前,计算凹点的算法主要是通过计算K个轮廓点所组成的夹角来判断,这种方法计算量大,容易受噪声的影响,计算结果与K的取值以及设定的夹角大小也有关,极有可能把噪声点当作了凹点,却把真正的凹点丢失了。
(2)凹点不能配对或很难正确配对。一种情况是,两个岩石块度的连接处两边应各有一个凹点,但有时因为各种原因,岩石块度连接处的凹陷并不明显,其中一个凹点甚至两个凹点都没有找到,这时就无法配对。另一种情况是,对于多岩石块度区域,即使正确找出了所有凹点,由于事先并不知道聚堆岩石块度区域内岩石块度的具体个数,仅仅根据分离点配对原则的两个条件是很难进行正确配对的。
(3)分离线很难搜索。配对不正确的分离点,无论如何处理,所得到的分离线肯定是错误的。对于无法配对的凹点,有时可以搜索到正确分离线,有时则搜索不到。例如,当两个岩石块度的连接处只有一个凹点时,如果这两个岩石块度的连接处存在灰度值局部最小的一条“沟渠”,或者存在一条灰度值突变线,即边缘线,那么都很容易进行分离,但是如果两个岩石块度的灰度值差别不大并且粘连很紧,则粘连处灰度值变化很小,不存在灰度值局部最小的连接线,也不存在灰度值突变线,分离线就很难搜索到。
为此,人们对基于凹点的分离算法进行了各种改进,虽在一定程度上改善了分离效果,但仍然存在许多不足。一种是从聚堆岩石块度边界上找到的凹点中选择一个夹角较锐的凹点作为搜索起点,然后从该点出发,沿凹点的夹角顶点方向向边界另一方搜索分离线,搜索原则是灰度值局部最小并且局部距离最短。尽管该算法对搜索到的分离线还要进行合理性判断,如果符合要求,则算法结束,否则再选择一个凹点进行搜索,直至所有凹点都搜索完,但该算法毕竟采用了灰度值局部最小原则,因此对于没有明显灰度值差异也没有明显凹陷的聚堆岩石块度来说,将仍然是个问题。还有一种是基于数学形态学的分离算法,采用3×3结构元对聚堆岩石块度进行连续的腐蚀运算操作,使得聚集在一起的岩石块度,分离为一些小的区域。但是,腐蚀运算使得聚堆岩石块度的边界收缩速度很快并且收缩厚度不均匀,对一些粘连很紧、粘连处凹陷不明显的聚堆岩石块度,经过几次腐蚀后,凹陷消失了,聚堆岩石块度最终不会产生分裂,从而导致算法失败。
发明内容
有鉴于此,本发明的目的是提出一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,该方法有利于分割图像中粘连的目标区域对象,具有良好的分离精度。
本发明采用以下方案实现:一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,具体包括以下步骤:
步骤S1:对原始岩石块度灰度图像采用图论的最小生成树算法进行分割,并对分割出来的各区域进行标号;
步骤S2:用腐蚀法对步骤S1中分割出来的各区域不断缩小边界,每缩小一次,判断是否发生了区域分离;
步骤S3:若一个区域被分离成了多个区域,则搜索各个分离段的局部分离点;
步骤S4:将各个分离段的局部分离点映射到原始灰度图像中,根据平滑度和梯度强度搜索分离线;
步骤S5:在原始灰度图像中,根据上述分离线将粘连的目标分离,形成岩石块度。
进一步地,所述步骤S1中所述采用图论的最小生成树算法进行分割具体为:
根据像素间的特征差值对每个子图生成最小生成树,每棵生成树对应图像中的一个同质区域,即最终的分割结果将最小生成树算法与区域合并方法结合,通过度量和比较区域内相似度和区域间的差异判断是否将两个区域合并,达到分割的目的;
其中两个相邻区域C1与C2之间的差异定义为两个区域之间的最小边权值,表达式如下:
w(u,v)表示最小生成树的边权值,若C1与C2之间没有边相连,则Dif(C1,C2)=∞,相应区域分裂合并准则为:
MInt(C1,C2)=min(Int(C1)+τ(C1),Int(C2)+τ(C2));
根据上式的判别准则,若D(C1,C2)=1,则C1,C2不能合并;若D(C1,C2)=0,则将C1,C2合并一起;阈值函数τ(C)用以解决C中的元素数目较小的问题,当C中的元素很少时,Int(C)这个函数的定义并不能很好的反映出图像数据的局部特征,所以定义τ(C)为:τ(C)=k/|C|,其中参数k是常数,用来控制分割区域的大小,|C|是C中元素个数。其中,MInt表示内部差异性的最小值,Int(Ci)用来描述区域Ci内部的差异性。
进一步地,所述步骤S2具体包括以下步骤:
步骤S21:用腐蚀法对步骤S1中分割出来的各区域不断缩小边界,计算区域面积,若区域面积小于T1,则说明该区域为单一块度,不进行该区域的分离,转步骤S52;其中,所述T1根据图像精度和平均块度大小来确定;
步骤S22:保存刚缩小的边界的全序列,并计算凹点,对区域重新标号,计算区域数,同时计算各区域的高度和宽度;
步骤S23:如果区域数目增加,或区域数目不变,但新旧对应区域的高度或宽度差的绝对值>T1,则认为区域发生了分离;否则回到步骤S21继续缩小。
进一步地,所述步骤S3中搜索各个分离段的局部分离点具体包括以下步骤:
步骤S31:在刚缩小的那层边界上,找到分离段;
步骤S32:在分离段中选取代表点A、B;
步骤S33:计算代表点A、B所在两个位置之间相隔的边界点数,若大于阈值T2,则代表点A、B为真正的局部分离点,否则回到步骤S21继续缩小。
进一步地,所述步骤S4具体为:从真正的局部分离点对A、B出发,由方向控制分别向分离段两侧原图像的边界搜索,取直线距离局部最短的边界点,考虑到岩石块度连接处一般具有凹陷性,搜索分离线时沿着凹点线进行,优先取凹点位置。
进一步地,所述步骤S5具体包括以下步骤:
步骤S51:根据分离线把当前区域分为两个区域,完成该区域岩石块度的分离;
步骤S52:判断聚堆区域是否处理完毕,若没有,取下一个区域,重复步骤S2至步骤S5。
与现有技术相比,本发明有以下有益效果:本发明有效地克服了现有技术对凹点要求严格的缺点,提高了粘连区域的分割精度。该方法能实现对图像中粘连目标区域对象的合理有效分割,可获得很高的分割精度,具有非常广泛的应用前景。
附图说明
图1为本发明实施例的流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示,本实施例提供了一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,具体包括以下步骤:
步骤S1:对原始岩石块度灰度图像采用图论的最小生成树算法进行分割,并对分割出来的各区域进行标号;
步骤S2:用腐蚀法对步骤S1中分割出来的各区域不断缩小边界,每缩小一次,判断是否发生了区域分离;
步骤S3:若一个区域被分离成了多个区域,则搜索各个分离段的局部分离点;
步骤S4:将各个分离段的局部分离点映射到原始灰度图像中,根据平滑度和梯度强度搜索分离线;
步骤S5:在原始灰度图像中,根据上述分离线将粘连的目标分离,形成岩石块度。
在本实施例中,所述步骤S1中所述采用图论的最小生成树算法进行分割具体为:
根据像素间的特征差值对每个子图生成最小生成树,每棵生成树对应图像中的一个同质区域,即最终的分割结果将最小生成树算法与区域合并方法结合,通过度量和比较区域内相似度和区域间的差异判断是否将两个区域合并,达到分割的目的;
其中两个相邻区域C1与C2之间的差异定义为两个区域之间的最小边权值,表达式如下:
w(u,v)表示最小生成树的边权值,若C1与C2之间没有边相连,则Dif(C1,C2)=∞,相应区域分裂合并准则为:
MInt(C1,C2)=min(Int(C1)+τ(C1),Int(C2)+τ(C2));
根据上式的判别准则,若D(C1,C2)=1,则C1,C2不能合并;若D(C1,C2)=0,则将C1,C2合并一起;阈值函数τ(C)用以解决C中的元素数目较小的问题,当C中的元素很少时,Int(C)这个函数的定义并不能很好的反映出图像数据的局部特征,所以定义τ(C)为:τ(C)=k/|C|,其中参数k是常数,用来控制分割区域的大小,|C|是C中元素个数。其中,MInt表示内部差异性的最小值,Int(Ci)用来描述区域Ci内部的差异性。
较佳的,在步骤S1中,将原始灰度图像二值化包括以下步骤:
步骤S11:对原岩石块度图像采用动态阈值法进行二值化:可以多窗口阈值化;
步骤S12:对二值化的各目标区域进行标号:若平均块度像素点少,最好是八邻域标号。
在本实施例中,所述步骤S2具体包括以下步骤:
步骤S21:用腐蚀法对步骤S1中分割出来的各区域不断缩小边界,计算区域面积,若区域面积小于T1,则说明该区域为单一块度,不进行该区域的分离,转步骤S52;其中,所述T1根据图像精度和平均块度大小来确定;
步骤S22:保存刚缩小的边界的全序列,并计算凹点,对区域重新标号,计算区域数,同时计算各区域的高度和宽度;
步骤S23:如果区域数目增加,或区域数目不变,但新旧对应区域的高度或宽度差的绝对值>T1(主要根据快读的形状来确定),则认为区域发生了分离;否则回到步骤S21继续缩小。
在本实施例中,所述步骤S3中搜索各个分离段的局部分离点具体包括以下步骤:
步骤S31:在刚缩小的那层边界上,找到分离段;
步骤S32:在分离段中选取代表点A、B;
步骤S33:计算代表点A、B所在两个位置之间相隔的边界点数,若大于阈值T2,则代表点A、B为真正的局部分离点,否则回到步骤S21继续缩小。
特别的,在本实施例中,在步骤S31中,分离段的寻找按如下方法进行:搜索回到搜索起点前,如果下一边界点为已搜索过点(边界厚度为1时),或下一边界点的邻域为已搜索过点(边界厚度为2时),则表明搜索进入了一个分离段。
在步骤S32中,在分离段中选取代表点A、B按如下方法进行:假设S为搜索起点。(i)如果有新区域的产生,则分离段必处于两个目标的连接处,此时取分离段的中点为代表点;(ii)如果属于缩小前与缩小后区域的高度或宽度变化很大而产生岩石块度分离,则遵从靠近大目标进行分离的原则,若起点S在分离段内,取进入分离段时的位置作为代表点,否则取退出分离段时的位置作为代表点;
在本实施例中,所述步骤S4具体为:从真正的局部分离点对A、B出发,由方向控制分别向分离段两侧原图像的边界搜索,取直线距离局部最短的边界点,考虑到岩石块度连接处一般具有凹陷性,搜索分离线时沿着凹点线进行,优先取凹点位置。
在本实施例中,所述步骤S5具体包括以下步骤:
步骤S51:根据分离线把当前区域分为两个区域,完成该区域岩石块度的分离;
步骤S52:判断聚堆区域是否处理完毕,若没有,取下一个区域,重复步骤S2至步骤S5。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (6)
1.一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,其特征在于包括以下步骤:
步骤S1:对原始岩石块度灰度图像采用图论的最小生成树算法进行分割,并对分割出来的各区域进行标号;
步骤S2:用腐蚀法对步骤S1中分割出来的各区域不断缩小边界,每缩小一次,判断是否发生了区域分离;
步骤S3:若一个区域被分离成了多个区域,则搜索各个分离段的局部分离点;
步骤S4:将各个分离段的局部分离点映射到原始灰度图像中,根据平滑度和梯度强度搜索分离线;
步骤S5:在原始灰度图像中,根据上述分离线将粘连的目标分离,形成岩石块度。
2.根据权利要求1所述的一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,其特征在于:所述步骤S1中所述采用图论的最小生成树算法进行分割具体为:
根据像素间的特征差值对每个子图生成最小生成树,每棵生成树对应图像中的一个同质区域,即最终的分割结果将最小生成树算法与区域合并方法结合,通过度量和比较区域内相似度和区域间的差异判断是否将两个区域合并,达到分割的目的;
其中两个相邻区域C1与C2之间的差异定义为两个区域之间的最小边权值,表达式如下:
w(u,v)表示最小生成树的边权值,若C1与C2之间没有边相连,则Dif(C1,C2)=∞,相应区域分裂合并准则为:
MInt(C1,C2)=min(Int(C1)+τ(C1),Int(C2)+τ(C2));
根据上式的判别准则,若D(C1,C2)=1,则C1,C2不能合并;若D(C1,C2)=0,则将C1,C2合并一起;阈值函数τ(C)用以解决C中的元素数目较小的问题,当C中的元素很少时,Int(C)这个函数的定义并不能很好的反映出图像数据的局部特征,所以定义τ(C)为:τ(C)=k/|C|,其中参数k是常数,用来控制分割区域的大小,|C|是C中元素个数;其中,MInt表示内部差异性的最小值,Int(Ci)用来描述区域Ci内部的差异性。
3.根据权利要求1所述的一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,其特征在于:所述步骤S2具体包括以下步骤:
步骤S21:用腐蚀法对步骤S1中分割出来的各区域不断缩小边界,计算区域面积,若区域面积小于T1,则说明该区域为单一块度,不进行该区域的分离,转步骤S52;其中,所述T1根据图像精度和平均块度大小来确定;
步骤S22:保存刚缩小的边界的全序列,并计算凹点,对区域重新标号,计算区域数,同时计算各区域的高度和宽度;
步骤S23:如果区域数目增加,或区域数目不变,但新旧对应区域的高度或宽度差的绝对值>T1,则认为区域发生了分离;否则回到步骤S21继续缩小。
4.根据根据权利要求1所述的一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,其特征在于:所述步骤S3中搜索各个分离段的局部分离点具体包括以下步骤:
步骤S31:在刚缩小的那层边界上,找到分离段;
步骤S32:在分离段中选取代表点A、B;
步骤S33:计算代表点A、B所在两个位置之间相隔的边界点数,若大于阈值T2,则代表点A、B为真正的局部分离点,否则回到步骤S21继续缩小。
5.根据权利要求4所述的一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,其特征在于:所述步骤S4具体为:从真正的局部分离点对A、B出发,由方向控制分别向分离段两侧原图像的边界搜索,取直线距离局部最短的边界点,考虑到岩石块度连接处一般具有凹陷性,搜索分离线时沿着凹点线进行,优先取凹点位置。
6.根据权利要求1所述的一种基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法,其特征在于:所述步骤S5具体包括以下步骤:
步骤S51:根据分离线把当前区域分为两个区域,完成该区域岩石块度的分离;
步骤S52:判断聚堆区域是否处理完毕,若没有,取下一个区域,重复步骤S2至步骤S5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610097313.2A CN105761264A (zh) | 2016-02-23 | 2016-02-23 | 基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610097313.2A CN105761264A (zh) | 2016-02-23 | 2016-02-23 | 基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105761264A true CN105761264A (zh) | 2016-07-13 |
Family
ID=56331034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610097313.2A Pending CN105761264A (zh) | 2016-02-23 | 2016-02-23 | 基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105761264A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470052A (zh) * | 2021-07-12 | 2021-10-01 | 绍兴文理学院 | 基于凹凸特性的粘连岩石块度二值图像分割方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2871613A1 (en) * | 2012-07-05 | 2015-05-13 | Olympus Corporation | Cell division process tracing device and method, and storage medium which stores computer-processable cell division process tracing program |
CN104952070A (zh) * | 2015-06-05 | 2015-09-30 | 中北大学 | 一种类矩形引导的玉米田遥感图像分割方法 |
-
2016
- 2016-02-23 CN CN201610097313.2A patent/CN105761264A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2871613A1 (en) * | 2012-07-05 | 2015-05-13 | Olympus Corporation | Cell division process tracing device and method, and storage medium which stores computer-processable cell division process tracing program |
CN104952070A (zh) * | 2015-06-05 | 2015-09-30 | 中北大学 | 一种类矩形引导的玉米田遥感图像分割方法 |
Non-Patent Citations (3)
Title |
---|
刘相滨 等: "基于边界剥离的细胞图象分离算法", 《中国图象图形学报》 * |
王卫星 等: "基于改进的图论最小生成树及骨架距离直方图分割细胞图像", 《光学精密工程》 * |
谭志明: "基于图论的图像分割及其嵌入式应用研究", 《中国博士学位论文全文数据库•信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470052A (zh) * | 2021-07-12 | 2021-10-01 | 绍兴文理学院 | 基于凹凸特性的粘连岩石块度二值图像分割方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chudasama et al. | Image segmentation using morphological operations | |
CN107767382A (zh) | 静态三维地图建筑物轮廓线的自动提取方法及系统 | |
CN101699511A (zh) | 彩色图像分割方法及系统 | |
CN109271928A (zh) | 一种基于矢量路网融合与高分遥感影像验证的道路网自动更新方法 | |
CN108280810B (zh) | 一种单时相光学遥感图像云覆盖区修复的自动处理方法 | |
CN102881017B (zh) | 一种细胞分离方法 | |
CN109785356B (zh) | 一种视频图像的背景建模方法 | |
CN108537816A (zh) | 一种基于超像素和背景连接先验的显著物体分割方法 | |
CN108846844A (zh) | 一种基于海天线的海面目标检测方法 | |
CN109903379A (zh) | 一种基于点云优化采样的三维重建方法 | |
CN108629809B (zh) | 一种精确高效的立体匹配方法 | |
CN109544577A (zh) | 一种基于边缘点编组的改进直线提取方法 | |
CN103236056B (zh) | 基于模板匹配的图像分割方法 | |
CN111696059A (zh) | 一种车道线光滑连接处理方法和装置 | |
EP3043315B1 (en) | Method and apparatus for generating superpixels for multi-view images | |
CN111080723A (zh) | 基于Unet网络的图像元素分割方法 | |
CN105761264A (zh) | 基于逐渐分层缩小思想的聚堆岩粘连石块度分离算法 | |
Zhou et al. | 3D building change detection between current VHR images and past lidar data | |
CN105844641A (zh) | 一种动态环境下的自适应阈值分割方法 | |
CN110503093A (zh) | 基于视差图dbscan聚类的感兴趣区域提取方法 | |
CN110009654B (zh) | 基于最大流策略的三维体数据分割方法 | |
CN113591734B (zh) | 一种基于改进nms算法的目标检测方法 | |
CN106340038B (zh) | 一种基于单目图像中物体的深度次序推理方法 | |
Boufama et al. | Towards a fast and reliable dense matching algorithm | |
CN109636844B (zh) | 一种基于3d双边对称的复杂桌面点云分割的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160713 |
|
RJ01 | Rejection of invention patent application after publication |