CN113436221A - 一种利用几何形状分层的图像分割弱标注方法 - Google Patents

一种利用几何形状分层的图像分割弱标注方法 Download PDF

Info

Publication number
CN113436221A
CN113436221A CN202110597326.7A CN202110597326A CN113436221A CN 113436221 A CN113436221 A CN 113436221A CN 202110597326 A CN202110597326 A CN 202110597326A CN 113436221 A CN113436221 A CN 113436221A
Authority
CN
China
Prior art keywords
frame
target
layering
image segmentation
target object
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
Application number
CN202110597326.7A
Other languages
English (en)
Inventor
马天龙
周鹗荐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Normal University
Original Assignee
East China Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by East China Normal University filed Critical East China Normal University
Priority to CN202110597326.7A priority Critical patent/CN113436221A/zh
Publication of CN113436221A publication Critical patent/CN113436221A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

发明公开了一种利用几何形状分层的图像分割弱标注方法，其特点是采用RGB特征分离目标和背景进行图像分割弱标注的方法，具体包括：截取目标的矩形框、几何图形分层、像素值加权求和以及目标物体和背景的分离等步骤。本发明与现有技术相比具有通过对目标用简单的框标注，对框内的像素点处理分析，得到更加细致的图像分割的标注，在目标物体的颜色分布相对单调时，能够辅助人类完成分割任务的标注，降低了人才资源的消耗，提高了工作效率。

Description

一种利用几何形状分层的图像分割弱标注方法
技术领域
本发明涉及图像分割技术领域，尤其是一种利用几何形状分层来辅助分割标注的方法。
背景技术
图像分割是计算机视觉邻域的一个经典问题，目标是划分图像中的每一个像素点的类别。现有基于深度学习的方法图像分割方法，往往需要大量的标注数据。传统的标注方法，借助绘图工具，描点画线勾勒目标的轮廓，赋予勾勒区域同一标注值，对每个目标重复上述操作，最终达到对全图像素级的标注。这样的方法，耗时耗力，当数据量较大时需要大量的人力资源。
发明内容
本发明的目的是针对现有技术的不足而设计的一种利用几何形状分层的图像分割弱标注方法，采用RGB特征分离目标和背景进行图像分割弱标注的方法，设计了可根据实际场景中的目标轮廓使用较为规则的几何线条，以及颜色分层进行的弱标注，对目标用简单的框标注，对框内的像素点处理分析，得到更加细致的图像分割的标注，在目标物体的颜色分布相对单调时，能够辅助人类完成分割任务的标注，大大减少了图像分割标注时的人力消耗，提高工作效率。
实现本发明目的的具体技术方案是：一种利用几何形状分层的图像分割弱标注方法，其特点包括以下具体步骤：
步骤1：截取目标的矩形框
用户在对应的界面上截取尽可能小的包含目标物体的框，后续操作框内元素。
步骤2：几何图形分层
在截取的框中，以框的中心为圆心画k个大小不同的圆形区域Ci，i=1,2,…,k。根据k个圆形区域划分出k个不相交的区域，第i层区域Ri，当i为1时等于Ci，大于1时等于Ci-Ci-1。
步骤3：像素值加权求和
分层后每一层的像素值加权求平均，不同层之间像素加权求和，得到目标的RGB特征。越靠近中心的像素值相对越重要，同一层的像素用同样的权值，不同层的权值由内到外递增。
步骤4：目标物体和背景的分离
将提取的RGB特征根据截取框中各个像素的位置和RGB值，分离出目标物体和背景。选取阈值判断图像中的像素值是否小于阈值，白色为小于阈值。从中心点出发，使用深度优先搜索算法维护出包含中心点的白色点的八连通块。连通块中可能包含一些黑色的空洞，将这些空洞加入到连通块中。最后将整个连通块作为分割的内容，做相应的标注。
本发明与现有技术相比具有通过对目标用简单的框标注，对框内的像素点处理分析，得到更加细致的图像分割的标注。在目标物体的颜色分布相对单调时，能够辅助人类完成分割任务的标注，降低了人才资源的消耗，提高了工作效率。
附图说明
图1为本发明流程图；
图 2为实施例1选取的操作截图；
图3为截取的框中k个大小不同的圆形区域示意图；
图4为包含空洞的白色点的八连通块示意图。
具体实施方式
以下通过具体实施例对本发明作进一步的详细说明。
实施例1
参阅附图1，本发明按下述步骤进行图像分割和标注的：
步骤1：截取包含目标的矩形框
用户在对应的界面上截取尽可能小的包含目标物体的框，后续操作框内元素。用只包含一个目标的图片替代对后续操作没有影响。
参阅附图2，按选取图片所示，假设用户截取的图片，目标分离处理图像中的白色仓鼠。
步骤2：在矩形框内用几何图形分层
参阅附图3，在截取的框中，以框的中心为圆心画k个大小不同的圆形区域Ci,i=1,2,…,k。根据k个圆形区域划分出k个不相交的区域，第i层区域Ri当i为1时等于Ci，大于1时等于Ci-Ci-1。得到1个圆形区域，和k-1个环形区域，共k层信息。
步骤3：不同层的像素值加权求和得到RGB特征
分层后每一层的像素值加权求平均，不同层之间像素加权求和，得到目标的RGB特征。这里任务越靠近中心的像素值相对越重要，同一层的像素用同样的权值，不同层的权值由内到外递增。
步骤4：根据RGB特征和像素位置进行分割
根据RGB特征分离目标和背景，将提取出来的RGB特征，根据截取框中各个像素的位置和RGB值，分离出目标物体和背景。
参阅附图4，所示的信息是图像中的像素值是否小于阈值，白色为小于。从中心点出发，使用深度优先搜索算法维护出包含中心点的白色点的八连通块。连通块中可能包含一些黑色的空洞，将这些空洞加入到连通块中。最后将整个连通块作为分割的内容，做相应的标注。
本发明根据大多数场景中的物体形状上都是由几个简单几何线条叠加，颜色上大致为分层结构，设计了使用的几何形状分层去提取目标的RGB特征，通过提取的RGB特征分离目标和背景进行图像分割弱标注。通过对目标用简单的框标注，对框内的像素点处理分析，得到更加细致的图像分割的标注。
以上实施例只是对本发明做进一步说明，并非用以限制本发明专利，凡为本发明等效实施，均应包含于本发明专利的权利要求范围之内。

Claims (3)

1.一种利用几何形状分层的图像分割弱标注方法，其特征在于包括以下具体步骤：
步骤1：截取目标的矩形框
用户在对应的界面上截取尽可能小的包含目标物体的框，后续操作框内元素；
步骤2：几何图形分层
在截取的框中，以框的中心为圆心画k个大小不同的圆形区域Ci，其中，i=1、2、…k；根据k个圆形区域划分出k个不相交的区域，当i为1时，第i层区域Ri=Ci；当i>1时，第i层区域Ri=Ci-Ci-1；
步骤3：像素值加权求和
分层后将每一层的像素值加权求平均，并将不同层之间像素加权求和，得到目标的RGB特征；
步骤4：目标物体和背景的分离
根据RGB特征和像素位置进行分割，选取阈值判断图像中的像素值是否小于阈值，使用深度优先搜索算法维护出包含中心点的小于阈值的八连通块，并将整个连通块作为分割的内容进行相应的标注。
2.根据权利要求1所述基于深度图分割的图像背景估计方法，其特征在于所述步骤3同一层的像素用同样的权值，不同层的权值由内到外递增。
3.根据权利要求1所述基于深度图分割的图像背景估计方法，其特征在于所述步骤4根据截取框中各个像素的位置和RGB特征分离出目标物体和背景。
CN202110597326.7A 2021-05-31 2021-05-31 一种利用几何形状分层的图像分割弱标注方法 Pending CN113436221A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110597326.7A CN113436221A (zh) 2021-05-31 2021-05-31 一种利用几何形状分层的图像分割弱标注方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110597326.7A CN113436221A (zh) 2021-05-31 2021-05-31 一种利用几何形状分层的图像分割弱标注方法

Publications (1)

Publication Number Publication Date
CN113436221A true CN113436221A (zh) 2021-09-24

Family

ID=77803288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110597326.7A Pending CN113436221A (zh) 2021-05-31 2021-05-31 一种利用几何形状分层的图像分割弱标注方法

Country Status (1)

Country Link
CN (1) CN113436221A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9070192B1 (en) * 2007-05-15 2015-06-30 Vision Interface Technologies, LLC Implementing rich color transition curve tracking for applications
CN106725565A (zh) * 2016-11-18 2017-05-31 天津大学 一种稀疏投影下的锥束xct成像质量评估方法
CN109190742A (zh) * 2018-08-23 2019-01-11 华中科技大学 一种基于灰度特征的编码特征点的解码方法
CN110021024A (zh) * 2019-03-14 2019-07-16 华南理工大学 一种基于lbp和链码技术的图像分割方法
CN110717497A (zh) * 2019-09-06 2020-01-21 中国平安财产保险股份有限公司 图像相似度匹配方法、装置及计算机可读存储介质
CN111192251A (zh) * 2019-12-30 2020-05-22 上海交通大学医学院附属国际和平妇幼保健院 基于水平集图像分割的卵泡超声处理方法和系统
CN111968124A (zh) * 2020-10-26 2020-11-20 四川省肿瘤医院 基于半监督语义分割的肩部肌骨超声结构分割方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9070192B1 (en) * 2007-05-15 2015-06-30 Vision Interface Technologies, LLC Implementing rich color transition curve tracking for applications
CN106725565A (zh) * 2016-11-18 2017-05-31 天津大学 一种稀疏投影下的锥束xct成像质量评估方法
CN109190742A (zh) * 2018-08-23 2019-01-11 华中科技大学 一种基于灰度特征的编码特征点的解码方法
CN110021024A (zh) * 2019-03-14 2019-07-16 华南理工大学 一种基于lbp和链码技术的图像分割方法
CN110717497A (zh) * 2019-09-06 2020-01-21 中国平安财产保险股份有限公司 图像相似度匹配方法、装置及计算机可读存储介质
CN111192251A (zh) * 2019-12-30 2020-05-22 上海交通大学医学院附属国际和平妇幼保健院 基于水平集图像分割的卵泡超声处理方法和系统
CN111968124A (zh) * 2020-10-26 2020-11-20 四川省肿瘤医院 基于半监督语义分割的肩部肌骨超声结构分割方法

Similar Documents

Publication Publication Date Title
CN113658132B (zh) 基于计算机视觉的结构件焊缝检测方法
US7522766B2 (en) Picture reading method, program and device, principal color extracting method, program and device, and image dividing method, program and device
CN108537239B (zh) 一种图像显著性目标检测的方法
Ajmal et al. A comparison of RGB and HSV colour spaces for visual attention models
CN106803257B (zh) 一种作物病害叶片图像中病斑的分割方法
CN102819728A (zh) 一种基于分类模板匹配的交通标志检测方法
US20090245625A1 (en) Image trimming device and program
CN111797766B (zh) 识别方法、识别装置、计算机可读存储介质和车辆
US20170039683A1 (en) Image processing apparatus, image processing method, image processing system, and non-transitory computer readable medium
CN111310768B (zh) 基于鲁棒性背景先验和全局信息的显著性目标检测方法
CN104021566A (zh) 基于GrabCut算法的舌诊图像自动分割方法
JP4735170B2 (ja) 画像処理装置および画像処理方法
US11461880B2 (en) Generating image masks from digital images utilizing color density estimation and deep learning models
CN111429462A (zh) 一种基于边缘检测和数学形态学的车牌定位方法
CN108711160A (zh) 一种基于hsi增强性模型的目标分割方法
CN108171683B (zh) 一种采用软件自动识别的细胞计数方法
CN112489049A (zh) 基于超像素和svm的成熟番茄果实的分割方法及系统
CN111612797B (zh) 一种水稻图像信息处理系统
CN111080748B (zh) 基于互联网的图片自动合成系统
CN110390283B (zh) 一种商业场景下跨摄像头行人重检索方法
CN113436221A (zh) 一种利用几何形状分层的图像分割弱标注方法
CN111783673A (zh) 一种基于osvos的视频分割改进方法
CN109934152B (zh) 一种针对手语图像的改进小弯臂图像分割方法
CN107368847A (zh) 一种作物叶部病害识别方法及系统
CN114511567B (zh) 舌体与舌苔图像识别分离方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210924

WD01 Invention patent application deemed withdrawn after publication