1.一种用于复杂背景图像的目标分割方法,其特征在于,包括:
对待分割图像进行边界填充,获取待分割填充图像;平滑待分割填充图像,获取待分割平滑图像;利用预设采样窗口分别在待分割填充图像、待分割平滑图像上均进行滑动采样与向量化后,再经过下采样获取第一下采样矩阵与第二下采样矩阵;
对第一下采样矩阵与第二下采样矩阵中所有对应列的向量对进行并行化聚类,获取每一对向量对应的预设采样窗口的中心点对背景类别与前景类别的隶属度,以及预设采样窗口中像素值的背景类别聚类中心与前景类别聚类中心,组成待分割填充图像的背景隶属度向量与前景隶属度向量,以及背景聚类中心向量与前景聚类中心向量;
基于背景隶属度向量、背景聚类中心向量、前景隶属度向量与前景聚类中心向量,构建待分割填充图像的预拟合去噪向量;
对背景聚类中心向量、前景聚类中心向量与预拟合去噪向量进行重排与尺寸恢复,获取待分割填充图像的背景预拟合特征图、前景预拟合特征图与预拟合去噪图像,结合待分割填充图像,构建全局保真拟合项;
利用JS散度与欧氏距离,将背景预拟合特征图、前景预拟合特征图,分别与预拟合去噪图像进行联合乘性度量分析,获取背景差异性能量与前景差异性能量,构建局部拟合项;
基于局部拟合项和全局保真拟合项,构造数据驱动项,对待分割填充图像的初始水平集函数进行迭代更新,直至更新后的水平集函数收敛,得到目标水平集函数,生成目标轮廓线。
2.根据权利要求1所述的用于复杂背景图像的目标分割方法,其特征在于,对待分割图像进行边界填充,获取待分割填充图像,包括:若待分割图像的行数为偶数,则以待分割图像为待分割填充图像;
若待分割图像的行数为奇数,则在待分割图像的底部重复填充一行,获取待分割填充图像。
3.根据权利要求2所述的用于复杂背景图像的目标分割方法,其特征在于,得到目标水平集函数后,包括:若待分割图像的行数为偶数,则基于目标水平集函数生成目标轮廓线,对待分割图像进行分割,获取图像分割结果;
若待分割图像的行数为奇数,则将目标水平集函数中,与待分割填充图像的最后一行对应的向量舍弃,获取优化水平集函数,并基于优化水平集函数生成目标轮廓线,对待分割图像进行分割,获取图像分割结果。
4.根据权利要求1所述的用于复杂背景图像的目标分割方法,其特征在于,利用预设采样窗口在图像上进行滑动采样与向量化后,再经过下采样获取下采样矩阵,包括:利用预设采样窗口在图像上对所有像素点进行滑动采样,对每次滑动后对应的像素点及其邻域的采样结果进行向量化,获取图像中每个像素点及其邻域对应的向量;
将图像中所有像素点及其邻域对应的向量按列堆叠,形成采样矩阵;
将采样矩阵中的偶数列舍弃,获取对应的下采样矩阵。
5.根据权利要求1所述的用于复杂背景图像的目标分割方法,其特征在于,利用模糊C均值聚类运算,对第一下采样矩阵与第二下采样矩阵中所有对应列的向量对进行并行化聚类,包括:利用模糊C均值聚类运算,基于预设聚类迭代次数,对第一下采样矩阵与第二下采样矩阵中所有对应列的一对向量进行并行化聚类;其中第列对应的一对向量所对应的预设采样窗口中第个像素点对类别的隶属度与预设采样窗口中类别的聚类中心,表示为:;
对第一下采样矩阵与第二下采样矩阵中所有对应列的向量对并行化聚类结束后,对于所有向量对,获取其对应的预设采样窗口的中心点对类别的隶属度;
基于第一下采样矩阵与第二下采样矩阵中所有列的向量对的与,组成待分割填充图像的:背景隶属度向量,表示第一下采样矩阵与第二下采样矩阵中第列的一对向量所对应的预设采样窗口的中心点对背景类别的隶属度;
前景隶属度向量,表示第一下采样矩阵与第二下采样矩阵中第列的一对向量所对应的预设采样窗口的中心点对前景类别的隶属度;
背景聚类中心向量,表示第一下采样矩阵与第二下采样矩阵中第列的一对向量所对应的预设采样窗口中背景类别的聚类中心;
前景聚类中心向量,表示第一下采样矩阵与第二下采样矩阵中第列的一对向量所对应的预设采样窗口中前景类别的聚类中心;
其中,,时表示背景类别,时表示前景类别;,且;表示预设采样窗口中的像素点索引,,表示预设采样窗口中像素点总数;为类别索引,取值为;取值为1时,,取值为2时,;与分别表示预设采样窗口中第个像素点的灰度值与空间邻域平滑值,所述空间邻域平滑值为像素点经过高斯滤波的值;表示空间权重,表示模糊系数,表示求和运算;表示第一下采样矩阵与第二下采样矩阵中对应列的索引,,代表待分割填充图像的像素点总数,为L2范数计算符号。
6.根据权利要求5所述的用于复杂背景图像的目标分割方法,其特征在于,对背景聚类中心向量、前景聚类中心向量与预拟合去噪向量进行重排与尺寸恢复,获取待分割填充图像的背景预拟合特征图、前景预拟合特征图与预拟合去噪图像,包括:利用重排算子分别对背景聚类中心向量、前景聚类中心向量与预拟合去噪向量,按照采样顺序,恢复成对应的二维下采样图、、,表示为:;
利用双线性插值算子对二维下采样图进行尺寸恢复,获取待分割填充图像的背景预拟合特征图、前景预拟合特征图与预拟合去噪图像;
其中,表示待分割填充图像的预拟合去噪向量,表达式为,表示向量对应位置处元素相乘的运算;和分别表示大小为的背景二维下采样图与前景二维下采样图;表示大小的下采样预拟合去噪图像;和分别表示大小为的背景预拟合特征图与前景预拟合特征图,与分别为待分割填充图像的行数与列数;表示大小为的预拟合去噪图像。
7.根据权利要求6所述的用于复杂背景图像的目标分割方法,其特征在于,利用JS散度与欧氏距离,将背景预拟合特征图、前景预拟合特征图,分别与预拟合去噪图像进行联合乘性度量分析,获取背景差异性能量与前景差异性能量,包括:分别计算背景预拟合特征图、前景预拟合特征图,与预拟合去噪图像的JS散度,表示为:;
基于Jensen-Shannon散度与欧氏距离进行联合乘性度量分析,获取差异性能量,表示为:;
其中,表示计算JS散度的算子;为1时,表示背景差异性能量;为2时,表示前景差异性能量;为待分割填充图像内的矢量像素点;表示点处的类别预拟合特征图特征值,的表达式为;为点处预拟合去噪图像的灰度值;是以欧拉常数为底的对数运算;为高斯核函数,,为高斯核函数的标准差,为邻域内的位置变量,记作,表示以为中心,边长为的正方形邻域,为使得的常数;表示类别预拟合特征图与预拟合去噪图像的欧氏距离的平方;表示待分割填充图像中像素点的集合,为积分运算。
8.根据权利要求7所述的用于复杂背景图像的目标分割方法,其特征在于,构建局部拟合项与全局保真拟合项,包括:基于背景差异性能量与前景差异性能量,构建局部拟合项,表示为:;
基于待分割填充图像及其背景预拟合特征图、前景预拟合特征图与预拟合去噪图像,构建全局保真拟合项,表示为:;
其中,为大于零的常数,、分别为点处背景预拟合特征图与前景预拟合特征图的特征值;为点处待分割填充图像的灰度值。
9.根据权利要求8所述的用于复杂背景图像的目标分割方法,其特征在于,基于局部拟合项和全局保真拟合项,构造数据驱动项,包括:预设近似DiracDelta函数,表示为,为圆周常数,为近似DiracDelta函数的计算变量;
预设自适应权重参数,表示为;
预设自适应能量缩放参数,表示为,为待分割填充图像中像素点灰度的均值,表示为;
第n-1次迭代后的数据驱动项,表示为:
;
其中,为调整数据驱动项强度的权重参数;为反正切函数;为初始水平集函数经过第n-1次迭代后的水平集函数。
10.根据权利要求9所述的用于复杂背景图像的目标分割方法,其特征在于,利用数据驱动项对待分割填充图像的初始水平集函数进行迭代更新,表示为:;
其中,为迭代次数,为待分割填充图像的初始水平集函数经过第n次迭代后得到的目标水平集函数,代表窗口边长为、标准差为的高斯滤波器;为水平集正则化函数,水平集正则化函数的计算公式为,为水平集正则化函数的计算变量,为绝对值计算符号;为大于零的常数,为时间步长。